根據(jù)最小二乘法的原理，觀測值與理論值之間的偏差平方和最小，故在坐標(biāo)軸上，應(yīng)是縱向距離的平方和最小。

在一元線性回歸中，最小二乘法的總體原則是通過最小化各觀測點(diǎn)到擬合直線的縱向（即垂直于x軸）距離的平方和，從而得到最佳擬合直線。這一原則的目的是保證預(yù)測值與觀測值之間的誤差平方和最小，以獲得最優(yōu)的參數(shù)估計(jì)。

因此，正確答案是：
**B: 各觀測點(diǎn)距直線的縱向距離平方和最小**

### 專業(yè)分析：
- **最小二乘法**：該方法通過最小化誤差平方和來估計(jì)模型參數(shù)。在一元線性回歸中，誤差定義為觀測值與回歸模型預(yù)測值之間的差距。

- **線性回歸方程**：通常表達(dá)為 \( y = \beta_0 + \beta_1 x + \epsilon \)，其中 \( y \) 為因變量，\( x \) 為自變量，\( \beta_0 \) 和 \( \beta_1 \) 為模型參數(shù)，\( \epsilon \) 為誤差項(xiàng)。

- **最小化距離平方和**：選擇縱向距離（即沿 y 軸方向）的平方和最小化，是為了使殘差平方和（Residual Sum of Squares, RSS）最小。

通過這樣的處理，最小二乘法確?；貧w模型能夠在樣本數(shù)據(jù)的基礎(chǔ)上盡量準(zhǔn)確地預(yù)測因變量。