违反假设的痛苦（治愈破碎的回归）一般线性模型 Y = XB + E 的假设全是关于随机项的：残差被假设具有恒定方差（与响应或预测变量的水平无关）、呈正态分布且独立。要从模型中得出有效结论（包括解释 p 值和预测），必须确认这些假设。本研讨会将教您如何检查这些假设以及当假设被违反时该怎么做。
假设检验涉及图形和数字程序。残差图可用于检查残差的正态性；残差的方差是预测变量和预测响应的函数；以及随时间变化的意外行为、预测变量值或响应的预测值。
可以修改线性模型以解决违反正态性和恒定方差假设的情况，包括转换预测变量和响应或拟合更广义的线性模型。残差中的时间趋势有时可以使用时间序列模型或向模型添加阻塞变量来解释。一些预测模型或非参数方法避免了这些假设，可以作为替代方案，但线性回归模型是本次研讨会的重点。
