Los residuos pueden ayudar a escoger, entre todas las rectas, la recta que mejor se ajusta a los datos. Sin embargo, necesitamos una forma de determinar la intensidad de una relación lineal. Los diagramas de dispersión de datos que están cerca de la recta de mejor ajuste se modelan mejor con esa recta que los diagramas de dispersión de datos que están lejos de la recta de mejor ajuste.

El coeficiente de correlación es un número que se usa para describir la intensidad y la dirección de una relación lineal. Usualmente, el coeficiente de correlación se representa con la letra  y toma valores desde -1 hasta 1. El signo del coeficiente de correlación es el mismo signo de la pendiente de la recta de mejor ajuste. Cuanto más cerca de 0 está el coeficiente de correlación, más débil es la relación lineal. Cuanto más cerca de 1 o de -1 está el coeficiente de correlación, el modelo lineal se ajusta mejor a los datos. 

Aunque es posible tratar de ajustar un modelo lineal a cualquier conjunto de datos, siempre debemos observar el diagrama de dispersión para ver si hay una posible tendencia lineal. El coeficiente de correlación y los residuos también pueden ayudar a decidir si tiene sentido usar el modelo lineal para estimar la situación. En algunos casos, otro tipo de función puede ajustarse mejor a los datos, o puede que las dos variables que estamos estudiando no estén correlacionadas y debamos buscar conexiones usando otras variables.