Mô hình hồi quy tuyến tính bằng phương pháp OSL được thực hiện với một số giả định và mô hình chỉ thực sự có ý nghĩa khi các giả định này được đảm bảo. Do vậy, để đảm bảo cho độ tin cậy của mô hình, chúng ta còn phải thực hiện dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Giả định đầu tiên là giả định liên hệ tuyến tính. Phương pháp được sử dụng là
biểu đồ phân tán Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đoán chuẩn hóa trên trục hoành. Nhìn vào biểu đồ ta thấy phần dư không thay đổi theo một trật tự nào đối với giá trị dự đoán. Vậy giả thuyết về liên hệ tuyến tính không bị vi phạm.
Giả định tiếp theo cần xem xét là phương sai của phần dư không đổi. Để
thực hiện kiểm định này, chúng ta sẽ tính hệ số tương quan hạng Spearman của giá trị tuyệt đối phần dư và các biến độc lập. Giá trị sig. của các hệ số tương quan với
đối của phần dư độc lập với các biến độc lập. Như vậy, giả định về phương sai của sai số không đổi không bị vi phạm.
Để dò tìm sự vi phạm giả định phân phối chuẩn của phần dư ta sẽ dùng hai
công cụ vẽ của phần mềm SPSS là biểu đồ Histogram và đồ thị P-P plot. Nhìn vào biểu đồ Histogram ta thấy phần dư có phân phối chuẩn với giá trị trung bình gần bằng 0 và độ lệch chuẩn của nó gần bằng 1 (=0.989). Nhìn vào đồ thị P-P plot biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo những giá trị kỳ vọng, có nghĩa là dữ liệu phần dư có phân phối chuẩn.
Giả định tiếp theo về tính độc lập của phần dư cũng cần được kiểm định. Ta
dùng đại lượng thống kê Durbin-Watson (d) để kiểm định. Đại lượng d này có giá trị từ 0 đến 4. Trong thực tế, khi tiến hành kiểm định Durbin- Watson người ta thường áp dụng quy tắc kiểm định đơn giản như sau: nếu 1 < d < 3 thì kết luận mô hình không có tương quan; nếu 0 < d <1 thì kết luận mô hình có tự tương quan dương; nếu 3 < d < 4 thì kết luận mô hình có tự tương quan âm. Từ kết quả ở bảng 5.14 ta có 1< d =1.818 < 3 như vậy ta có thể kết luận các phần dư là độc lập với nhau và tính độc lập của phần dư đã được bảo đảm.
Cuối cùng, ta sẽ xem xét sự vi phạm đa cộng tuyến của mô hình. Đa cộng tuyến là vấn đề gây ra do sự tương quan chặt chẽ giữa các biến độc lập, chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất khó tách rời ảnh hưởng của
từng biến một lên biến phụ thuộc. Vì vậy, ta phải dò tìm hiện tượng đa cộng tuyến
bằng cách tính độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (Variance inflation factor – VIF). Độ chấp nhận trong trường hợp này của sáu biến trong mô hình khá cao, đều lớn hơn 0.5 trong khi hệ số VIF khá thấp đều dưới 2. Hệ số VIF nhỏ hơn 10 là ta có thể bác bỏ giả thuyết mô hình bị đa cộng tuyến.
Như vậy mô hình hồi quy tuyến tính được xây dựng theo phương trình ở trên là không vi phạm các giả định cần thiết trong hồi quy tuyến tính.