Соблюдение предпосылок корреляционно-регрессионного анализа при построении статистических моделей важно, потому что позволяет выявить существенные взаимосвязи и дать им количественную оценку. 3

Некоторые из предпосылок, которые важны при построении корреляционно-регрессионной модели:

• Признаки-факторы должны находиться в причинной связи с результативным признаком (следствием). 1
• Признаки-факторы не должны быть составными частями результативного признака или его функциями. 1
• Признаки-факторы не должны дублировать друг друга, то есть быть коллинеарными (с коэффициентом корреляции более 0,8). 1
• Не следует включать в модель факторы разных уровней иерархии, то есть фактор ближайшего порядка и его субфакторы. 1
• Важно, чтобы для результативного признака и факторов соблюдалось единство единицы совокупности, к которой они отнесены. 1
• Математическая форма уравнения регрессии должна соответствовать логике связи факторов с результатом в реальном объекте. 1
• Принцип простоты: предпочтительнее модель с меньшим числом факторов при том же коэффициенте детерминации или даже при несущественно меньшем. 1

Соблюдение этих предпосылок помогает более точно описать внешние проявления закономерности, что, в свою очередь, может помочь вскрыть и внутренние факторы, управляющие изучаемым явлением. 1