Нарушения допущений линейной регрессии негативно влияют на надёжность результатов. 14 Вот некоторые примеры:

• Гетероскедастичность. 13 Модель ошибается сильнее при более высоких или более низких значениях признаков. 3 Как следствие, если для разных прогнозов разная погрешность, модель нельзя назвать надёжной. 3
• Мультиколлинеарность. 13 На целевую переменную оказывают эффект сразу несколько признаков, а значит, нельзя с точностью интерпретировать каждый из них. 3
• Нарушение нормальности распределения остатков. 34 Модель регулярно недооценивает или переоценивает фактические значения. 3
• Эндогенность. 1 Оценки коэффициентов регрессии предвзятые и непоследовательные, неточно отражают истинные взаимосвязи между переменными. 1

Чтобы обеспечить надёжные результаты, важно понимать и проверять допущения линейной регрессии. 1