以初始工资、教育程度、工作经验、工作时间为X轴，工资为Y轴得到的散点图，从散点图可以看出，工资与初始工资、教育程度、工作经验之间的关系有线性趋势，但是工作时间与工资之间并没有明显的关系；故可以将工作时间这一自变量从模型中剔除。

条件④：自变量之间不存在多重共线性；

共线性是指在线性回归分析时，出现的自变量之间彼此相关的现象。使用SPSSAU进行多元线性回归时，分析结果会自动输出VIF值，用来判断是否存在共线性。一般VIF值大于10（严格大于5），则认为存在严重的共线性。有些文献也以容忍度作为判断共线性的指标，容忍度为VIF值的倒数，容忍度大于0.1则说明没有共线性(严格是大于0.2)。研究时二者选其一即可，一般描述VIF值。
SPSSAU输出结果如下：

从上表可以看出，VIF值均小于10，说明不存在共线性问题，满足条件④。如果数据存在共线性，可以手动移除相关性非常高的变量，或者改用逐步回归、岭回归等方法进行分析。多重共线性检验及其处理方法可以参考下面这篇文章：

多重共线性检验及处理方法（附案例教程）

条件⑤：各观测值之间相互独立，即残差之间不存在自相关

如果模型的残差项违背了相互独立的基本假设，称为存在自相关性。自相关性可以使用D-W检验（杜宾-瓦特森检验）进行分析。一般认为，如果D-W值在2附近，说明不存在自相关性，模型构建比较好；如果D-W值明显偏离2，说明模型具有自相关性，模型构建较差。
SPSSAU在进行线性回归分析时，输出D-W值如下：

从上表可知，本案例D-W值为1.6879接近2，所以可以认为残差不存在自相关，各观察值之间相互独立，满足条件⑤。

条件⑥：残差服从均值为0，方差为σ^2的正态分布（残差服从正态分布和方差齐）。

在进行分析时，勾选【保存预测和残差值】选项，SPSSAU会输出残差值和预测值。

• 残差正态性检验

可通过标准化残差直方图来判断残差的正态性，SPSSAU可视化->直方图，结果如下：