a identidade numérica entre estimadores MQO e MV dos coeficientes implica que a decomposição da variância pela análise de variância é ótima e, portanto, o padrão parabólico nos resíduos não representa problema real, mas flutuação amostral aleatória, que desapareceria com o aumento do tamanho amostral, o que valida o modelo linear simples estimado.

o padrão parabólico indica inadequação da forma funcional linear, o que sugere não linearidade na relação verdadeira entre as variáveis, ao passo que a correlação zero entre resíduos ordinários e valores ajustados é uma propriedade algébrica que sempre vale em regressão por mínimos quadrados, não servindo como diagnóstico de adequação do modelo; a diferença entre estimadores MV e MQO da variância reflete que o estimador MV usa divisor n enquanto o não viesado usa n − 2.

o padrão parabólico demonstra violação do pressuposto de homogeneidade de variâncias, e a solução adequada envolve a utilização de estimadores de mínimos quadrados ponderados, em que os pesos são inversamente proporcionais à variância estimada em cada ponto, o que corrige simultaneamente o padrão residual e aumenta a eficiência dos estimadores.

o padrão parabólico nos resíduos combinado com correlação zero entre resíduos e valores ajustados indica que o modelo está corretamente especificado e todos os pressupostos são atendidos, pois a propriedade de ortogonalidade entre resíduos e predições é garantida algebricamente pelo método de mínimos quadrados, independentemente da forma funcional.

a correlação zero entre resíduos e valores ajustados prova que não há heterocedasticidade no modelo, e o padrão parabólico observado é artefato visual causado por observações influentes que devem ser identificadas por meio da distância de Cook e removidas para revelar a verdadeira estrutura linear dos dados.