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（） 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。 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（）