Sendo u_i o termo de erro estocástico, em que E(u_i²) = σ_i² = X_i² σ², o problema associado a heterocedasticia pode ser corrigido transformando o modelo de regressão original, de forma tal que as variáveis associadas a ele sejam divididas por X_i².

Caso E(u_i²) = σ_i², então os quadrados dos desvios devem ser ponderados pela variância, de forma diretamente proporcional para correção dos problemas associados à heterocedasticia.

Quando um pesquisador recomenda o uso do Teste de Durbin-Watson, o mesmo está se referindo ao teste associado à presença de autocorrelação em um modelo, em que o teste é indicado quando a variável Y_t surge defasada no tempo como variável independente.

Uma vez assumindo o pressuposto de autocorrelação no modelo de regressão, é possível afirmar que os estimadores de mínimos quadrados ordinários serão não tendenciosos, porém não serão eficientes.

Ao se omitir uma variável relevante de um modelo de regressão, poderá surgir o problema de autocorrelação dos erros.