總平方和SST（total sum of squares）

解釋平方和SSE（explained sum of squares），也成模型平方和

殘差平方和SSR（residual sum of squares），也稱剩餘平方和

普通最小二乘法OLS（ordinary least square）

定義:

擬合優度：

    迄今為止，我們還沒有辦法衡量自變數x究竟能多好的解釋因變數y，如果能夠計算出來一個數值，用以概況OLS迴歸線對資料的擬合得有多好，那就很清晰的評估。

    假定總平方和SST不為零（除非所有y都相等這樣一個極端的情況），可以得到判定係數：

    判定係數是解釋變數與總變異之比，也可以說成是y的樣本變異中被x解釋的部分，佔比越大解釋的越多，

    若資料點都落在同一直線上，OLS迴歸就提供了資料的一個完美擬合，此時判定係數=1，一個接近於0的判定係數表名OLS給出了一個糟糕的擬合，因為。