Quais são os pressupostos básicos do modelo de regressão? a) Para evitar a micronumerosidade, o número mínimo de dados efetivamente utilizados (n) ...

Quais são os pressupostos básicos do modelo de regressão?
a) Para evitar a micronumerosidade, o número mínimo de dados efetivamente utilizados (n) no modelo deve obedecer aos critérios especificados;
b) Atentar para o equilíbrio da amostra, com dados bem distribuídos para cada variável no intervalo amostral;
c) Os erros são variáveis aleatórias com variância constante, ou seja, são homocedásticos;
d) Os erros são variáveis aleatórias com distribuição normal;
e) Os erros são não autocorrelacionados, isto é, são independentes sob a condição de normalidade;
f) O profissional avaliador deve se empenhar para que as variáveis importantes estejam incorporadas no modelo – inclusive as decorrentes de interação – e as variáveis irrelevantes não estejam presentes;
g) Em caso de correlação linear elevada entre quaisquer subconjuntos de variáveis independentes, isto é, multicolinearidade, deve-se examinar a coerência das características do imóvel avaliando com a estrutura de multicolinearidade inferida, vedada a utilização do modelo em caso de incoerência;
h) Não deve existir correlações evidentes entre o erro aleatório e as variáveis independentes do modelo, ou seja, o gráfico de resíduos não deve sugerir evidências de regularidade estatística com respeito às variáveis independentes;
i) Possíveis pontos influenciantes, ou aglomerados deles, devem ser investigados e sua retirada fica condicionada à apresentação de justificativas.