In this paper, we discuss some practical considerations on the use of different methods for the estimation of linear regression parameters and their impact on the obtained inferences. In practice, it is common to use some existing statistical software to obtain the least squares estimators (MSE) for the regression parameters and consider a non-biased estimator for the variance based on the residual squared sum of the residuals. Alternatively, we discuss the use of the maximum likelihood estimator (MLE) for the variance of the error (an unbiased estimator, but with smaller squared error) which may lead to different conclusions in terms of inferences. Two numerical examples are presented to illustrate the proposed method.Neste artigo discutimos alguns aspectos práticos sobre o uso de diferentes métodos de estimação dos parâmetros do modelo de regressão linear e seus impactos nas inferências obtidas. Na prática, é comum usarmos softwares estatísticos para obter os estimadores de mínimos quadrados (EMQ) para os parâmetros de regressão e considerar um estimador não-viciado para a variância do erro baseado na soma de quadrados dos resíduos. Como alternativa, discutimos o uso do estimador de máxima verossimilhança (EMV) para a variância do erro (um estimador viciado, mas com erro quadrático menor) que pode levar a diferentes conclusões em termos de inferências. Dois exemplos numéricos são apresentados para ilustrar o estudo comparativo.