核心条件就这5个，背熟不慌：
1. 线性关系
每个连续的自变量跟因变量得是直线关系。如果是分类变量（比如男女）那这条可以不要求。面试官问怎么检？画散点图或偏回归图看。
2. 误差独立
各个数据点的残差（实际值减预测值）之间不能有关系。比如时间序列数据最容易踩这个坑，因为今天的误差可能跟昨天的有关。
3. 误差正态
残差的分布要接近钟形正态曲线，但不是要求因变量本身正态。这块常考你：如果轻微偏离，对预测结果影响不大；但如果严重偏离，t检验和置信区间就全不准了。
4. 方差齐性
不同自变量取值下，残差的波动大小应该差不多。如果残差随着预测值增大而越来越散（喇叭形散点图），就是异方差，会导致回归系数估计不准。
5. 无多重共线性
几个自变量之间不能有太强的相关性。比如“年龄”和“工龄”这俩变量信息重叠，放一起就会让模型解释力下降，回归系数变得不稳定。
面试追问高频考点：
如果只是建模型看趋势，正态和方差齐性能稍微放宽；但要做预测和区间估计，就必须严格满足。