在多元线性回归中，多重共线性是指自变量之间存在较强的线性关系，这会导致回归系数的不稳定性和对自变量影响的解释变得不可靠。对于处理多重共线性问题，选项 D: 逐步回归 是一种常用的方法。以下是对各个选项的分析：

| 选项 | 分析 |
|--------|----------------------------------------------------------------------------------------------------------------------------------------|
| A: 取对数 | 取对数主要用于处理数据的非线性关系或缓解异方差问题，并不能直接解决多重共线性问题。 |
| B: 平方 | 通过平方变换可以用于处理非线性关系，但这通常不会帮助解决自变量之间高度相关的多重共线性问题。 |
| C: 去除异常值 | 去除异常值可以提高模型的鲁棒性，但它不是解决多重共线性的直接方法。异常值通常会影响模型的拟合效果而非引起多重共线性。 |
| D: 逐步回归 | 逐步回归是一种通过逐步添加或删除自变量来选择预测变量的方法，可以帮助减少或消除多重共线性对模型的影响。 |

### 专业分析
多重共线性会导致回归系数估计不稳定、小变化引起大偏移、解释困难等问题。解决多重共线性的方法包括：

1. **逐步回归**：通过对变量进行选择（前进法、后退法等），减少共线性影响。
2. **主成分回归或偏最小二乘回归**：使用降维技术减少变量之间的线性关系。
3. **剔除高共线性变量**：通过计算方差膨胀因子（VIF），剔除高共线性变量。
4. **正则化方法**：采用岭回归等正则化方法来处理共线性。

综上所述，D: 逐步回归是处理多重共线性的一种行之有效的方法。