Sequential Model Sum of Squares

Sequential Model Sum of Squares（SMSS）是一种用于评估响应面模型的拟合程度的统计指标。它是通过将模型中每个自变量逐个加入到模型中，计算每个自变量加入后的模型残差平方和的增量，然后将这些增量求和得到的。

SMSS的计算步骤如下：

1. 首先，构建一个基准模型，该模型不包含任何自变量。

2. 对于每个自变量，逐个将其加入到基准模型中，得到一个新的模型。

3. 计算每个新模型的残差平方和。

4. 计算每个新模型的残差平方和与基准模型的残差平方和之差，得到每个自变量加入后的增量。

5. 将每个增量求和，得到SMSS。

SMSS的值越小表示模型的拟合程度越好，即模型能够解释更多的响应变量的方差。SMSS可以用来比较不同模型之间的拟合程度，也可以用来选择最佳的自变量组合。

需要注意的是，对于大样本量和复杂模型，SMSS可能会受到过拟合的影响。因此，在使用SMSS进行模型选择时，还应结合其他指标和验证方法，如交叉验证、AIC、BIC等，综合考虑模型的拟合程度和复杂度。