Klasyczna metoda najmniejszych kwadratów, w skrócie KMNK (, OLS) – szczególny wariant metody najmniejszych kwadratów stosowany do estymacji parametrów modelu regresji liniowej. Parametry dobiera się tak, aby zminimalizować sumę kwadratów reszt, czyli różnic między zaobserwowanymi wartościami zmiennej zależnej a wartościami przewidywanymi przez model. Przy pełnej randze kolumnowej macierzy regresorów, czyli gdy żadna zmienna objaśniająca nie jest dokładną kombinacją liniową pozostałych, rozwiązanie ma jawną postać (gdzie to macierz zmiennych objaśniających, a – wektor obserwacji). Gdy spełnione są założenia Gaussa-Markowa, w tym jednakowa wariancja i brak korelacji błędów, estymator KMNK jest najlepszym liniowym nieobciążonym estymatorem (, BLUE), czyli ma najmniejszą wariancję wśród estymatorów liniowych i nieobciążonych.
W szerszym znaczeniu metoda najmniejszych kwadratów obejmuje również warianty ważone i nieliniowe. KMNK dotyczy natomiast liniowych modeli regresji estymowanych przez minimalizację nieważonej sumy kwadratów reszt. Jest jedną z podstawowych metod statystyki, ekonometrii i analizy danych. Traktuje się ją jako punkt wyjścia do uogólnień metody najmniejszych kwadratów.