【殘差平方和怎么計算】在統計學和回歸分析中，殘差平方和（Residual Sum of Squares, RSS） 是衡量模型擬合程度的重要指標之一。它表示實際觀測值與模型預測值之間的差異的平方和，數值越小，說明模型對數據的擬合越好。
一、什么是殘差平方和？
殘差是指實際觀測值與模型預測值之間的差值，即：
$$
e_i = y_i - \hat{y}_i
$$
其中：
- $ y_i $ 是第 $ i $ 個觀測值的實際值；
- $ \hat{y}_i $ 是模型對第 $ i $ 個觀測值的預測值；
- $ e_i $ 是第 $ i $ 個殘差。
殘差平方和（RSS） 就是所有殘差的平方之和：
$$
RSS = \sum_{i=1}^{n} (y_i - \hat{y}_i)^2
$$
二、如何計算殘差平方和？
計算步驟如下：
1. 獲取實際觀測值 $ y_i $ 和模型預測值 $ \hat{y}_i $；
2. 計算每個觀測值的殘差 $ e_i = y_i - \hat{y}_i $；
3. 對每個殘差進行平方處理；
4. 將所有平方后的殘差相加，得到 RSS 值。
三、示例計算
假設我們有以下數據：
| 觀測序號 | 實際值 $ y_i $ | 預測值 $ \hat{y}_i $ | 殘差 $ e_i = y_i - \hat{y}_i $ | 殘差平方 $ e_i^2 $ |
| 1 | 5 | 4 | 1 | 1 |
| 2 | 8 | 7 | 1 | 1 |
| 3 | 6 | 5 | 1 | 1 |
| 4 | 9 | 8 | 1 | 1 |
| 5 | 7 | 6 | 1 | 1 |
根據上表，可以計算出：
$$
RSS = 1 + 1 + 1 + 1 + 1 = 5
$$
四、總結
| 內容 | 說明 |
| 定義 | 殘差平方和是實際觀測值與模型預測值之間差異的平方和 |
| 公式 | $ RSS = \sum_{i=1}^{n} (y_i - \hat{y}_i)^2 $ |
| 計算步驟 | 1. 獲取實際值和預測值；2. 計算殘差；3. 平方殘差；4. 求和 |
| 應用場景 | 用于評估回歸模型的擬合效果，RSS 越小，擬合越好 |
| 注意事項 | 可與其他指標（如 R2、MSE）結合使用，全面評估模型性能 |
通過以上方法，你可以準確地計算出殘差平方和，并以此來評估模型的擬合優度。在實際應用中，建議結合其他統計指標進行綜合分析，以獲得更全面的結果。
