Terdapat asumsi-asumsi yang harus terpenuhi sebelum dilakukan analisis regresi dan asumsi-asumsi tersebut biasanya disebut dengan asumsi klasik regresi. Asumsi tersebut antara lain:
1. Uji Multikolineritas
Uji multikolineritas ini diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model. Kemiripan antarvariabel independen dalam suatu model akan menyebabkan terjadinya korelasi yang sangat kuat antara suatu variabel independen dengan variabel independen yang lain. Selain itu, deteksi terhadap multikolineritas juga bertujuan untuk menghindari kebiasan dalam proses pengambilan kesimpulan mengenai pengaruh pada uji parsial masing-masing variabel independen terhadap variabel dependen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen.
Uji multikolineritas dilakukan dengan menghitung nilai variance influation factor (VIF) dari tiap-tiap variabel independen. Nilai VIF kurang dari 10 menunjukkan bahwa, korelasi antar variabel independen masih bisa ditolerir. Uji multikolinieritas tidak dilakukan pada regresi linier sederhana karena hanya terdiri dari satu variabel penjelas
Contoh :
Untuk mendeteksi ada atau tidaknya multikolinieritas dapat dilihat dari Variance Inflation Factor (VIF). Apabila nilai VIF >10 maka menunjukkan adanya multikolinieritas. Dan apabila sebaliknya VIF < 10 maka tidak terjadi multikolinieritas.
