A regressziós modell feltételrendszere:

1. A véletlen tag várható értéke nulla
2. A véletlen tag varianciája állandó
3. A modell autókorrelálatlan (= a véletlen tag értékei páronként nem korrelálnak egymással)
4. A magyarázó változók függetlenek a hibatényezőtől
5. A modell nem multikollineáris (= a változók nem függnek össze lineárisan)
6. A magyarázó változók számának kisebbnek kell lennie, mint a tapasztalati megfigyelések száma
   

Multikollinearitás:

Két alapvető formában jelenhet meg:

1. a magyarázó változók között a kapcsolat függvényszerű (= teljes/extrém multik.)
2. a magyarázó változók között a kapcsolat sztochasztikus
   

Következménye:

1. növeli a regressziós együtthatók varianciáját
2. a paraméterek értékei mintánként jelentősen különbözhetnek
   

Feltárása:

1. korrelációs mátrix segítségével (Klein féle hüvelykujjszabály)
2. globális mérőszámokkal (M1 mutató, M mutató)
3. statisztikai próbákkal
   

Kiküszöbölése:

1. elhagyjuk a változót, amely „okolható” a multikollinearitásért
2. növeljük a minta nagyságát
3. főkomponensek módszere
4. ridge regresszió
   

Autokorreláció:

= egy idősor elemei között fellépő sztochasztikus kapcslat.
Mértéke az autokorrelációs együtthatóval mérhető
p-ed rendű autokorrelációs együttható = egymástól p időegységnyi távolságra álló elempárok korrelációs együtthatója.
Autoregresszív folyamat = az idősor egyes értékei függvényei a megelőző számértékeknek.
Kimutatása: Durbin Watson d-próba.

Heteroszkedaszticitás:

Feltárása:

1. grafikus módszer
2. Goldfeld Quandt próba
3. Glejser próba
   

Szroeter féle próba