Modele liniowe, jak w przypadku każdego rodzaju modeli, wymagają sprawdzenia ich założeń, aby uzasadnić ich zastosowanie. Dokładność i możliwość interpretacji wyników wynika z przestrzegania założeń modelu. Czasami będą to rygorystyczne założenia w tym sensie, że jeśli nie są one ściśle przestrzegane, to model w ogóle nie jest uznawany za ważny. Innym razem będziemy pracować z bardziej elastycznymi założeniami, w których w grę wchodzi stopień kryteriów od analityka. W przypadku modeli liniowych niektóre z podstawowych założeń:
Liniowość: istnieje liniowa zależność między zmiennymi
Normalność: reszty mają rozkład normalny
Homoskedastyczność: reszty mają stałą wariancję
Brak kolinearności: zmienne nie są wzajemnymi kombinacjami liniowymi
Niezależność: reszty są niezależne lub przynajmniej nieskorelowane
Pokażemy, jak krótko sprawdzić cztery z nich: liniowość, normalność, homoskedastyczność i brak kolinearności. Powinniśmy wspomnieć, że założenie niezależności jest prawdopodobnie najtrudniejszym do przetestowania założeniem i ogólnie można sobie z nim poradzić, kierując się zdrowym rozsądkiem i zrozumieniem, w jaki sposób zebrano dane. Nie będziemy się tym zajmować, ponieważ jest to bardziej w statystykacha a chcemy, skupić się na technikach programowania.