根据最小二乘法的原理，观测值与理论值之间的偏差平方和最小，故在坐标轴上，应是纵向距离的平方和最小。

在一元线性回归中，最小二乘法的总体原则是通过最小化各观测点到拟合直线的纵向（即垂直于x轴）距离的平方和，从而得到最佳拟合直线。这一原则的目的是保证预测值与观测值之间的误差平方和最小，以获得最优的参数估计。

因此，正确答案是：
**B: 各观测点距直线的纵向距离平方和最小**

### 专业分析：
- **最小二乘法**：该方法通过最小化误差平方和来估计模型参数。在一元线性回归中，误差定义为观测值与回归模型预测值之间的差距。

- **线性回归方程**：通常表达为 \( y = \beta_0 + \beta_1 x + \epsilon \)，其中 \( y \) 为因变量，\( x \) 为自变量，\( \beta_0 \) 和 \( \beta_1 \) 为模型参数，\( \epsilon \) 为误差项。

- **最小化距离平方和**：选择纵向距离（即沿 y 轴方向）的平方和最小化，是为了使残差平方和（Residual Sum of Squares, RSS）最小。

通过这样的处理，最小二乘法确保回归模型能够在样本数据的基础上尽量准确地预测因变量。