Когда постулирована линейная модель в виде (3), для оценки параметров модели и ее дальнейшего статистического анализа необходимо принять ряд допущений. Методы классического регрессионного анализа основаны на следующих предпосылках:
1. Факторы представляют собой неслучайные (детерминированные) линейно независимые величины. Практически это означает, что точность (ошибка), с которой они измеряются либо задаются, очень высока по сравнению с точностью выходного параметра.
2. Отклонение каждого результата измерения 
от его математического ожидания представляет собой нормально распределенную случайную величину с математическим ожиданием, равным нулю, и дисперсией равной 
, то есть 
. Корреляция между отклонениями отсутствует, что в случае нормального распределения равноценно независимости случайных величин. В соответствии с этим результаты измерения выходного параметра являются независимыми, нормально распределенными случайными величинами.
