Phân tích hồi quy đa biến tuyến tính đuợc sử dụng để kiểm tra mối quan hệ giữa biến phụ thuộc và biến độc lập trong một nghiên cứu. Bằng cách sử dụng nhiều biến độc lập, điều quan trọng đối với các nhà nghiên cứu là nghiên cứu tất cả các biến độc lập độc lập đối với biến phụ thuộc của nó, bằng cách giữ tất cả các biến khác không đổi. Trong nghiên cứu gần đây, quyết định sử dụng thanh di động sẽ là biến phụ thuộc và biến độc lập sẽ đuợc phân thành các biến nhỏ. Để làm phong phú thêm nghiên cứu này, mức ý nghĩa 1%, 5% và 10% sẽ đuợc kiểm tra.
Với p-value lớn hơn 0.05, kết quả này chỉ ra rằng giả thuyết sẽ bị từ chối. Nói cách khác, biến độc lập đuợc tính đến không đáng kể ở mức ý nghĩa 5%. Nguợc lại, nếu giá trị p-value nhỏ hơn 0.05, điều đó có nghĩa là có một mối quan hệ đáng kể giữa biến độc lập và biến phụ thuộc ở mức ý nghĩa ở mức 5%. Do đó, không bác bỏ giả thuyết. Mặt khác, giá trị beta của từng biến độc lập thể hiện mức độ tác động đến biến phụ thuộc của nó. Giá trị beta càng lớn, tác động của biến độc lập đối với biến phụ thuộc càng lớn. Tuy nhiên, một vấn đề đa cộng tuyến xảy ra khi các biến độc lập có sự tuơng quan. Hệ số của mô hình sẽ trở nên rất nhạy cảm với từng thay đổi đuợc thực hiện. Kết quả này chắc chắn sẽ làm suy yếu sức mạnh của mô hình hồi quy và không cảm nhận đuợc tác động thực sự của từng biến độc lập trong nghiên cứu.
Do vậy để đảm bảo cho độ tin cậy của mô hình, việc dò tìm sự vi phạm các giả định là cần thiết. Giả định đa cộng tuyến đã đề cập ở trên, phần này sẽ làm về giả định phân phối chuẩn của phần du và giả định liên hệ tuyến tính.