Cuando un modelo lineal se ajusta a los datos, puede ser útil examinar los residuos. Los residuos son las diferencias que hay entre el valor de  de un punto de un diagrama de dispersión y el valor de  que el modelo lineal predice para el valor de  correspondiente.

Por ejemplo, en el diagrama de dispersión que muestra la longitud de un pez y su edad, el residuo del pez que tiene 2 años y mide 100 mm de largo es 8.06 mm, porque el punto es  y el valor de la función lineal es 91.94 mm () cuando  es 2. El residuo de 8.06 mm significa que el pez real es aproximadamente 8 milímetros más largo de lo que el modelo lineal estima para un pez de la misma edad.

A scatterplot. Horizontal, from 0 to 5, by 0 point 5’s, labeled age of fish, years. Vertical, from 50 to 175, by 5’s, labeled length of fish, millimeters. 12 dots, trend linearly upward and right, dot 1at 1 comma 61 and dot 12 at 4 comma 164 with line of best fit.

Cuando un punto del diagrama de dispersión está por encima de la recta, este punto tiene un residuo positivo. Cuando un punto está por debajo de la recta, su residuo es un valor negativo. Una recta que tiene residuos pequeños tiene una mayor probabilidad de producir estimaciones cercanas al valor real.