1、线形回归的基本假设之一就是随机项服从正态分布，进行正态性检验就是看看数据适合不适合做回归。
2、假如不服从正态分布，你就得考虑用非线性模型，例如曲线模型。
3、自变量之间高度相关说明存在严重的共线性，这也是违背线性回归的基本假设，你得消除共线性，一般有几种方法：剔除一些不重要的自变量、增大样本容量、还可以对回归系数进行有偏估计等。
建议你去借一本应用统计学的书看一下，收获会很大的。

非常非常感谢！！！

1) Wrong! It is not necessary that a error term is normal distributed.
E(e)=0;                     ----> if not zero, then it will be absorbed into intecept.
Var(e)=sigma^2         ---> efficient estimates

E(x*e) =0                   ----> unbiased edtimates , this is usually the most important assumption.

Normality assumption will ensure usually T, F, CHI square distributions are valid when your sample size is small.

2) Wrong! The functional form depends on,

y=f(x;beta)+error.

If y is a nonlinear function of beta.

totally totally 彻底全部的晕倒了。。。

5# 唐伯小猫

You could take a look

CHAPTER 2 ✦ The Classical Multiple Linear Regression Model in ECONOMETRIC ANALYSIS <FIFTH EDITION> of William H. Greene

HTH