違反假設的心碎（治癒破碎的回歸）一般線性模型 Y = XB + E 的假設均與隨機項相關：假設殘差具有恆定變異數（獨立於反應或預測變數的水平）、常態分佈且獨立。為了從模型中得出有效的結論（包括解釋 p 值和預測），必須確認假設。本研討會教您如何檢查這些假設以及違反假設時該怎麼做。
假設檢查涉及圖形和數字程式。殘差圖對於檢查殘差的常態性很有用；作為預測變數和預測反應的函數的殘差方差；隨著時間的推移、預測變數值或反應的預測值的意外行為。
可以更改線性模型以解決違反正態性和恆定方差假設的情況，包括預測變數和響應的轉換或擬合更廣義的線性模型。有時可以使用時間序列模型或向模型添加分塊變數來解釋殘差的時間趨勢。一些預測模型或非參數方法避免了這些假設，並且可以作為替代方案，但線性迴歸模型是本次研討會的重點。
