【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数据均值之间的差异的平方和。通过计算总离差平方和，可以了解数据的整体波动情况，是方差分析、回归分析等统计方法中的基础指标。
一、定义与公式
总离差平方和（TSS）是指所有数据点与其平均值之间差异的平方和。其数学表达式如下：
$$
TSS = \sum_{i=1}^{n}(y_i - \bar{y})^2
$$
其中：
- $ y_i $ 是第 $ i $ 个观测值；
- $ \bar{y} $ 是所有观测值的平均数；
- $ n $ 是样本数量。
二、意义与用途
1. 衡量数据波动性：TSS越大，说明数据点越分散；反之，则越集中。
2. 作为其他统计量的基础：如在回归分析中，TSS用于计算决定系数（R²），以评估模型对数据的解释能力。
3. 用于分解方差：在方差分析（ANOVA）中，TSS被分解为组间平方和（SST）和组内平方和（SSE），从而判断不同组之间的差异是否显著。
三、实际应用举例
假设某班级学生的数学考试成绩如下（单位：分）：
| 学生 | 成绩（$ y_i $） | 与均值的差（$ y_i - \bar{y} $） | 差的平方（$ (y_i - \bar{y})^2 $） |
| A | 80 | -5 | 25 |
| B | 85 | 0 | 0 |
| C | 90 | +5 | 25 |
| D | 75 | -10 | 100 |
| E | 90 | +5 | 25 |
计算步骤：
1. 计算平均值：
$$
\bar{y} = \frac{80 + 85 + 90 + 75 + 90}{5} = \frac{420}{5} = 84
$$
2. 计算每个数据点的离差平方和：
- $ (80 - 84)^2 = 16 $
- $ (85 - 84)^2 = 1 $
- $ (90 - 84)^2 = 36 $
- $ (75 - 84)^2 = 81 $
- $ (90 - 84)^2 = 36 $
3. 求和得 TSS：
$$
TSS = 16 + 1 + 36 + 81 + 36 = 170
$$
四、总结
| 概念 | 定义 | 公式 | 作用 |
| 总离差平方和 | 所有观测值与均值之间差异的平方和 | $ TSS = \sum (y_i - \bar{y})^2 $ | 衡量数据整体波动性 |
| 平均值 | 数据集的中心位置 | $ \bar{y} = \frac{\sum y_i}{n} $ | 基础计算指标 |
| 离差 | 每个数据点与均值的差 | $ y_i - \bar{y} $ | 反映数据偏离中心的程度 |
| 离差平方和 | 离差的平方之和 | $ \sum (y_i - \bar{y})^2 $ | 用于计算方差、标准差、R²等统计量 |
五、注意事项
- TSS 只反映数据的总体变异，不考虑变量之间的关系；
- 在比较不同数据集时，应结合标准差或方差进行分析；
- TSS 通常与其他统计量（如残差平方和、回归平方和）共同使用，以全面分析数据结构。
通过理解总离差平方和的概念及其计算方式，有助于更深入地掌握统计分析的基本原理，并为后续的建模与数据分析打下坚实基础。