As principais suposições são:

1. Que o resultado deve ser discreto, caso contrário explicado como, a variável dependente deve ser dicotômica por natureza (por exemplo, presença vs. ausência);

2. Não deve haver outliers nos dados, que podem ser avaliados convertendo os preditores contínuos em padronizados, ou

z

pontuações, e remover valores abaixo de -3.29 ou maiores que 3,29,

3. Não deve haver intercorrelações altas (multicolinearidade) entre os preditores. Isto pode ser avaliado por uma matriz de correlação entre os preditores. Tabachnick e Fidell (2012) sugerem que como os coeficientes de correlação longos entre variáveis independentes são inferiores a 0,90 a suposição é cumprida.

Além disso, deve haver uma relação linear entre o odds ratio, orEXP(B),e cada variável independente. A linearidade com uma variável ordinal ou independente de intervalo e o odds ratio pode ser verificada criando uma nova variável que divida a variável independente existente em categorias de intervalos iguais e executando a mesma regressão sobre essas novas versões categorizadas como variáveis categóricas. A linearidade é demonstrada se os coeficientes beta aumentam ou diminuem em etapas lineares (Garson, 2009).

Uma amostra maior é recomendada para se adequar ao método de máxima verosimilhança; usar variáveis discretas requer que haja respostas suficientes em cada categoria.