残差平方和是在线性模型中衡量模型拟合程度的一个量，用连续曲线近似地刻画或比拟平面上离散点组，以表示坐标之间函数关系的一种数据处理方法。用解析表达式逼近离散数据的一种方法。
举例：比如：
0.0003=0.0001*3，它的平方=（0.0001的平方）*（3的平方）=0.0001的平方乘以9
0.0002=0.0001*2，它的平方=（0.0001的平方）*（2的平方）=0.0001的平方乘以4
0.0001=0.0001*1，它的平方=（0.0001的平方）*（1的平方）=0.0001的平方乘以1
其他依次，可得：残差平方和=（0.0001的平方）*（1+1+9+9+4+0+0+4+1+1）。
残差平方和的计算公式是将每个观测值的预测值误差平方求和。
具体而言：残差平方和 = ∑(观测值 - 预测值)²。
这个量是用来衡量统计模型中的误差程度和还原能力的指标。
举个例子，如果我在进行回归分析时，观测值为[1, 3, 6, 9, 11]，而预测值为[2, 4, 5, 8, 10]，那么每个观测值的误差分别为[-1, -1, 1, 1, 1]，平方后得到[1, 1, 1, 1, 1]，最终残差平方和为5。
如果我希望更准确地评估模型的质量，除了残差平方和之外，还可以考虑均方误差、均方根误差等指标。
