Główne założenia są następujące:

1. Wynik musi być dyskretny, inaczej tłumaczony jako, zmienna zależna powinna być dychotomiczna (np, obecność vs. nieobecność);

2. W danych nie powinno być wartości odstających, co można ocenić przekształcając predyktory ciągłe na standaryzowane lub

z

scores, i usunąć wartości poniżej -3.29 lub większe niż 3,29.

3. Wśród predyktorów nie powinno być wysokich współzależności (wieloliniowości). Można to ocenić za pomocą macierzy korelacji między predyktorami. Tabachnick i Fidell (2012) sugerują, że tak długo, jak współczynniki korelacji między zmiennymi niezależnymi są mniejsze niż 0,90, założenie jest spełnione.

Powinna również istnieć liniowa zależność między ilorazem szans, lubEXP(B),a każdą zmienną niezależną. Liniowość z rzędową lub przedziałową zmienną niezależną i ilorazem szans można sprawdzić, tworząc nową zmienną, która dzieli istniejącą zmienną niezależną na kategorie o równych przedziałach i uruchamiając tę samą regresję na tych nowo skategoryzowanych wersjach jako zmiennych kategorycznych. Liniowość jest wykazana, jeśli współczynniki beta rosną lub maleją w liniowych krokach (Garson, 2009).

Większa próbka jest zalecana przy dopasowywaniu metodą największej wiarygodności; użycie zmiennych dyskretnych wymaga, aby było wystarczająco dużo odpowiedzi w każdej kategorii.

.