A lineáris regresszió egy statisztikai eszköz, amely meghatározza, hogy az egyenes egyenesnek megfelel-e párosított adatok. Az az egyenes, amely az adatokhoz legjobban illeszkedik, a legkevesebb négyzetű regressziós vonalnak nevezi. Ezt a sort számos módon lehet felhasználni. Az egyik ilyen felhasználás a válaszváltozó értékének becslése a magyarázó változó adott értékére. Ehhez az ötlethez kapcsolódik egy maradék.
(1, 2), (2, 3), (3, 7), (3, 6), (4, 9), (5, 9)
A maradék pontok kiszámítása x = 5, kivonjuk a megjósolt értéket a megfigyelt értékből. Óta y adatpontunk koordinátája 9 volt, ez 9 - 10 = -1 maradékot ad.
A maradékanyagoknak számos felhasználása lehetséges. Az egyik felhasználás az, hogy segítsen bennünket annak meghatározásában, hogy van-e olyan adatkészlet, amelynek általános lineáris trendje van, vagy meg kell-e fontolni egy másik modellt. Ennek oka az, hogy a maradványok hozzájárulnak az adatokban szereplő nemlineáris minták felerősítéséhez. A scatterplot alapján nehéz látni, ez a maradványok és a megfelelő maradék görbe vizsgálatával könnyebben megfigyelhető.
A fennmaradók figyelembe vételének másik oka annak ellenőrzése, hogy teljesülnek-e a lineáris regresszió bevezetésének feltételei. A lineáris trend ellenőrzése után (a maradványok ellenőrzésével) a maradványok eloszlását is ellenőrizzük. A regressziós következtetések elvégzéséhez azt akarjuk, hogy a regressziós vonalunk maradványai megközelítőleg normál eloszlással rendelkezzenek. A hisztogram vagy stemplot A maradékanyagok mennyisége segít ellenőrizni, hogy ez a feltétel teljesül-e.