多重共线性的识别方法主要有以下几种，其中A、B、C是常用的识别方法：

- **A: VIF (方差膨胀因子)**
VIF 是检测多重共线性的非常常用的方法。通过计算每个自变量的VIF值，可以判断这个变量是否与其他变量存在多重共线性。通常，如果VIF值大于10，就表明可能存在多重共线性问题。

- **B: 散点图**
虽然散点图可以用于观察变量之间的线性关系，但它更适用于简单的线性关系分析。在多重共线性的情况下，散点图并不是最直接的工具，但通过观察变量之间的图示关系，仍可能提供一些线索。

- **C: 相关系数矩阵**
通过计算自变量之间的相关系数，可以识别出高度相关的变量对。通常，相关系数接近1或-1的变量对有可能存在多重共线性问题。

- **D: 卡方检验**
卡方检验并不是用于检测多重共线性的方法，而是用于检验分类变量之间的关联性。

因此，正确的识别多重共线性的方法是：**A: VIF、B: 散点图、C: 相关系数矩阵**。