VIF staat voor 'Variance Inflation Factor'. Een VIF van 1.69 betekent dat je standaardfouten 1.69 keer zo groot zijn als wanneer je voorspellers onafhankelijk van elkaar waren geweest. Hoe 'erg' dit is, hangt af van je design.
Vaak worden vuistregels van VIF > 10 (oftewel, tolerance < .1) gehanteerd.
Maar, dergelijke grenswaarden houden er geen rekening mee dat dit soort beslissingen sterk afhankelijk zijn van de kenmerken van de specifieke studie. Ik zou zeggen: maak je geen zorgen, maar hou wel in de gaten of er geen voorspellers zijn die sterk met elkaar samenhangen. Als dat wel zo is, wordt de validiteit van die voorspellers aangetast, omdat overlappende variantie uit je model wordt verwijderd.