【总离差平方和】在统计学中，总离差平方和（Total Sum of Squares，简称TSS）是一个重要的概念，常用于衡量数据的总体变异程度。它反映了所有观测值与均值之间的偏离程度，是方差分析、回归分析等统计方法中的基础指标之一。
一、总离差平方和的定义
总离差平方和是指所有数据点与其平均值之差的平方和。其数学表达式为：
$$
TSS = \sum_{i=1}^{n}(y_i - \bar{y})^2
$$
其中：
- $ y_i $ 表示第 $ i $ 个观测值；
- $ \bar{y} $ 表示所有观测值的平均值；
- $ n $ 表示观测值的总数。
该公式说明了数据点围绕均值的离散程度，数值越大，表示数据越分散；数值越小，表示数据越集中。
二、总离差平方和的作用
1. 衡量数据整体波动性：TSS 是描述数据分布的一个基本指标，可以反映数据集的整体变异性。
2. 用于分解方差：在方差分析（ANOVA）中，TSS 可以被分解为组间平方和（SSB）和组内平方和（SSW），从而分析不同因素对数据的影响。
3. 评估模型拟合效果：在回归分析中，TSS 是计算决定系数 $ R^2 $ 的关键部分，用于衡量模型对数据的解释能力。
三、总离差平方和的计算示例
以下是一个简单的数据集，我们通过计算来展示如何求得总离差平方和。
| 数据点 $ y_i $ | 与均值的差 $ y_i - \bar{y} $ | 差的平方 $ (y_i - \bar{y})^2 $ |
| 5 | -2 | 4 |
| 7 | 0 | 0 |
| 9 | 2 | 4 |
| 6 | -1 | 1 |
| 8 | 1 | 1 |
| 合计 | 10 |
计算步骤：
1. 计算均值 $ \bar{y} = \frac{5 + 7 + 9 + 6 + 8}{5} = 7 $
2. 每个数据点减去均值后取平方
3. 将所有平方值相加得到 TSS = 10
四、总结
| 项目 | 内容说明 |
| 名称 | 总离差平方和（TSS） |
| 定义 | 所有观测值与均值之差的平方和 |
| 公式 | $ TSS = \sum_{i=1}^{n}(y_i - \bar{y})^2 $ |
| 作用 | 衡量数据整体波动性、分解方差、评估模型拟合度 |
| 示例结果 | 在上述例子中，TSS = 10 |
通过理解总离差平方和的概念与计算方式，我们可以更准确地分析数据的变异性，并为后续的统计分析打下坚实的基础。