SSE，SST，SSR，自由度

SSE、SST和SSR通常指的是统计学中的三种估计方法，而“自由度”在统计中也有重要概念。让我们分别解释一下：

1. SSE (Sum of Squared Errors, 残差平方和): SSE是用于衡量线性回归模型预测值与实际观测值之间差异的一个指标。它是所有残差（每个观测值与预测值之差的平方）的总和。

2. SST (Sum of Squares Total, 总平方和): SST是所有观测值与均值之差的平方和，它反映了数据中的总体变异程度。

3. SSR (Sum of Squared Regression, 回归平方和): SSR是模型预测值与样本均值的残差平方和，它衡量了模型解释了多少变异性。

4. 自由度 (Degrees of Freedom): 在统计学中，自由度是指在计算方差或标准误差时，不受其他变量影响的观察值数量。例如，在简单线性回归中，n-2（其中n是样本大小）是自由度，因为需要减去截距和斜率两个参数对数据的约束。