回归平方和

回归平方和，是反映自变量与因变量之间的相关程度的偏差平方和。用回归方程或回归线来描述变量之间的统计关系时，实验值yi与按回归线预测的值Yi并不一定完全一致。

各实验点(xi,yi)并不一定都落在回归线上，各实验点偏离回归线的程度，可用它们的总偏差平方和（总平方和）TSS(Total Sum of Squares)来表征，TSS=∑(ŷ-ȳ)2+∑(u)2，其中ȳ是各实验值yi的平均值 ，u=y-ŷ

基本信息

表达式ESS=∑(y-ŷ)^2应用数理学科（数学，计量经济学等）作用反映自、因变量程度偏差平方和。

目录

基本内容

RSS(Residual Sum of Squares)=∑(u) 称为残差平方和，ESS (Explained Sum of Squares)=∑(ŷ-ȳ) 称为回归平方和。残差平方和越小，自变量与因变量之间的相关性越好。

此外，MSR（回归均方误）=RSS/1 MSE(残差均方误)=ESS/n-2，其中n为回归方程式中变量组的个数。