寻找实际值与拟合值的离差平方和为最小的回归直线是( )的基本思想。

总离差平方和TSS、残差平方和RSS与回归平方和ESS三者的关系是（）。 总离差平方和TSS、残差平方和RSS与回归平方和ESS三者的关系是 （ ） 总体平方和TSS反映（）之离差的平方和；回归平方和ESS反映了（）之离差的平方和；残差平方和RSS反映了（）之差的平方和。 回归直线是残差平方和最小的一条最佳直线。 在多元线性回归模型中,回归平方和与总离差平方和的比值称为 在回归分析中，估计回归系数的最小二乘法的原理是使得（）的离差平方和最小 在多元线性回归模型中，已知观测值的个数是50，自变量个数是4，回归平方和为29860，总离差平方和为33860，则修正的可决系数是（） 只有含常数项模型中，总离差平方和分解成回归平方和和残差平方和。（） 在回归分析中，总离差平方和为（） 总离差平方和可以分解为组间离差平方和和组内离差平方和 方差是离差平方和与（） 在因变量的总离差平方和中，如果回归平方和所占比例大，则自变量与因变量之间（）。 中国大学MOOC: 如果水平项离差平方和和误差项离差平方和的自由度都为5，那么观测值的个数为（）。 在因变量的总离差平方和中，如果回归平方和所占比例大，则两变量之间（） 最或是值与观测值之差的平方和为（），称为最小二乘法。 算术平均数的离差平方和是一个最大值。() 直线回归分析中，反映回归平方和在总离均差平方和中所占比重的统计量是（） 直线回归分析中，反映回归平方和在总离均差平方和中所占比重的统计量是 直线回归分析中，反映回归平方和在总离均差平方和中所占比重的统计量是 用最小二乘法确定直线回归方程的原则是各观察点与直线的纵向距离的平方和最小（）