现有一组观测值为{(0, 1.2) ,(1, 2.8),(2, 4.8), (3,7.1), (4,8.9)}线性回归模型为：f(x) = 2x + 1 求该模型的MSS，RSS和决定系数。

根据线性回归模型的定义，我们可以计算每个观测值的预测值，即：

f(0) = 2(0) + 1 = 1

f(1) = 2(1) + 1 = 3

f(2) = 2(2) + 1 = 5

f(3) = 2(3) + 1 = 7

f(4) = 2(4) + 1 = 9

预测值与实际观测值的差异可以表示为残差，因此我们可以计算MSS和RSS：

MSS = Σ(y - ȳ)² / n

其中，y表示每个观测值的实际值，ȳ表示所有观测值的平均值，n表示观测值的数量。

RSS = Σ(y - f(x))²

其中，f(x)表示每个观测值的预测值。

根据上述公式，我们可以得到：

ȳ = (1.2 + 2.8 + 4.8 + 7.1 + 8.9) / 5 = 5.6

MSS = [(1.2 - 5.6)² + (2.8 - 5.6)² + (4.8 - 5.6)² + (7.1 - 5.6)² + (8.9 - 5.6)²] / 5 = 10.96

RSS = (1.2 - 1)² + (2.8 - 3)² + (4.8 - 5)² + (7.1 - 7)² + (8.9 - 9)² = 4.14

决定系数R²可以表示模型拟合数据的程度，其计算公式为：

R² = 1 - RSS / TSS

其中，TSS表示总平方和，可以表示为所有观测值与平均值的差异：

TSS = Σ(y - ȳ)²

根据上述公式，我们可以得到：

TSS = [(1.2 - 5.6)² + (2.8 - 5.6)² + (4.8 - 5.6)² + (7.1 - 5.6)² + (8.9 - 5.6)²] = 66.16

因此，决定系数R²为：

R² = 1 - 4.14 / 66.16 = 0.937

可以看到，该模型的决定系数很高，说明模型可以很好地拟合数据。