Общая линейная модель может быть неудачной в ситуациях, когда данные коррелированы друг с другом. 1 В таком случае производительность модели не будет надёжной. 1 Например, общие линейные модели не подходят для данных временных рядов, где обычно присутствует автокорреляция. 1

Также линейная модель может привести к неверным результатам при наличии искажающих переменных. 3 Это повышает вероятность случайно включить в модель переменные, использование которых приведёт к неверной оценке влияния одних переменных на другие. 3

Ещё одна ситуация, когда общая линейная модель может быть неудачной, — нестабильная оценка параметров модели из-за мультиколлинеарности. 2 Например, если из-за этого некоторые собственные значения матрицы будут близки к нулю, а в обратной матрице появятся экстремально большие собственные значения, то добавление нового наблюдения в набор тренировочных данных приведёт к совершенно другому решению. 2