在因变量的总离差平方和中，如果回归平方和所占的比例越小，则自变量和因变量之间相关程度越（）

总体回归模型与样本回归模型的区别与联系。

回归平方和(residual of square)

平方反比定律表示辐射强度与距离平方成反比。

回归变差（或回归平方和）是指（）

在一元回归中，回归平方和是指（　　）。

回归直线的总离差平方和可表示为（）。

回归直线是残差平方和最小的一条最佳直线。

给出下列结论：  （1）在回归分析中，可用指数系数R方的值判断模型的拟合效果，R方越大，模型的拟合效果越好； （2）在回归分析中，可用残差平方和判断模型的拟合效果，残差平方和越大，模型的拟合效果越好； （3）在回归分析中，可用相关系数r的值判断模型的拟合效果，r越小，模型的拟合效果越好； （4）在回归分析中，可用残差图判断模型的拟合效果，残差点比较均匀地落在水平的带状区域中，说明这样的模型比较合适．带状区域的宽度越宽，说明模型的拟合精度越高。 以上结论中，正确的有（）个

在单因素方差分析中，已知总离差平方和的自由度为24，水平项离差平方和的自由度为7，那么误差项离差平方和的自由度为（）

设单因素方差分析中误差项离差平方和为125.00，水平项离差平方和为375，那么总离差平方和为（）

回归直线可以使各观测点的数据与直线相应各点的误差的平方和实现最小化。