主な前提条件は以下の通りです。 結果は離散的でなければならず、そうでなければ、従属変数は本質的に二値的でなければならない (例:, 連続予測変数を標準化、または

z

スコアに変換し、-3以下の値を削除することによって評価することができます。

3.予測変数の間に高い相互相関（多重共線性）があってはならない。 これは予測因子間の相関行列で評価できる。 Tabachnick and Fidell (2012)は，独立変数間の相関係数が0.90より小さい限り，その仮定は満たされることを示唆する。

また，オッズ比またはEXP (B)とそれぞれの独立変数の間に直線関係があるべきである。 順序または区間の独立変数とオッズ比の線形性は、既存の独立変数を等しい区間のカテゴリに分割する新しい変数を作成し、これらの新しくカテゴリ化されたバージョンをカテゴリ変数として同じ回帰を実行することによってチェックすることができます。 ベータ係数が線形ステップで増加または減少する場合，線形性が実証される(Garson, 2009).

最尤法でのフィッティングでは，より大きなサンプルが推奨される; 離散変数を使用すると，各カテゴリーに十分な回答があることが必要となる.

.