Se E (u|x_1 , x_2 , x_3) = 0 e o modelo não é perfeitamente colinear, então os estimadores não são enviesados.

Se o R^2 = 1, então o y é uma combinação linear de x_1, x_2 e x_3.

O R^2 ajustado aumenta ao se incluir uma variável adicional, caso tal variável seja significativa ao nível de 5%.

Se o modelo satisfaz as hipóteses do teorema de Gauss-Markov, então b_1 é o estimador linear não enviesado de \beta_1 com menor variância possível.

Se omitirmos x_3 da regressão, os estimadores de b_0, b_1 e b_2 podem ser enviesados.