误差平方和又称残差平方和、组内平方和等，根据n个观察值拟合适当的模型后，余下未能拟合部份(ei=yi一y平均)称为残差，其中y平均表示n个观察值的平均值，所有n个残差平方之和称误差平方和。在回归分析中通常用SSE表示，其大小用来表明函数拟合的好坏。
将残差平方和除以自由度n-p-1(其中p为自变量个数)可以作为误差方差σ2的无偏估计，通常用来检验拟合的模型是否显著[1]。
偏差平方和是什么 扩展
偏差平方和是在统计学中用来衡量一组数据与其平均值之间的差异的指标。它是将每个数据点与平均值之间的差值平方后相加得到的。偏差平方和越小，表示数据点越靠近平均值，数据分布越集中，反之则表示数据点更分散。偏差平方和常用于方差的计算，方差是偏差平方和除以数据点个数。偏差平方和是一个重要的统计指标，可以帮助我们更好地理解和分析数据的分布情况。
偏差平方和是什么 扩展
偏差平方和是一种用于度量数据的离散程度的统计量。它是将每个数据点与数据集的平均值之差的平方相加得出的。偏差平方和越大，说明数据点越分散，离散程度越大；反之，则说明数据点越接近平均值，离散程度越小。在统计分析中，偏差平方和常用于方差、标准差等指标的计算，用于描述数据的分布情况。
