在多重共线性问题的检测中，不同的方法有不同的应用场景和作用，以下是对各个选项的说明：

- **A: 方差膨胀因子（VIF）**
方差膨胀因子（VIF）是一种常用的方法用于检测多重共线性。VIF值较高（通常大于10）表明存在较强的多重共线性。

- **B: DW检验**
Durbin-Watson（DW）检验用于检测回归模型残差的自相关性，而不是多重共线性。因此，DW检验不适合用于检验多重共线性问题。

- **C: 观察残差自相关图**
观察残差自相关图主要用于检测模型残差的自相关性，类似于DW检验，与多重共线性问题无关。

- **D: 观察R²的大小**
R²的大小反映了模型对数据的拟合优度，但不能直接用于检测多重共线性。高R²值可能与多重共线性相关，但不是判断多重共线性的依据。

因此，**正确答案是 A: 方差膨胀因子（VIF）**。此方法可以有效识别多重共线性问题，通过计算每个自变量的VIF值来判断其共线性程度。当VIF值大于10时，表明存在多重共线性，需要对模型进行调整，如删减变量或采用正则化方法。