残差平方和（Residual Sum of Squares, RSS）是统计学中用于衡量模型拟合程度的一个量。具体来说，它是实际观测值与模型预测值（拟合值）之间差异的平方和。RSS的计算公式如下：
对于等精度测量：
\[ RSS = \sum_{i=1}^{n} （V_i^2） \]
其中，\（ V_i \） 是第 \（ i \） 个测量数据的残差，即实际值 \（ y_i \） 与预测值 \（ \hat{y}_i \） 的差。
对于非等精度测量：
\[ RSS = \sum_{i=1}^{n} （P_i \cdot V_i^2） \]
其中，\（ P_i \） 是第 \（ i \） 个测量数据的权值。
RSS越小，表示模型的拟合程度越好，即模型对数据的预测与实际观测值越接近。在回归分析中，RSS是一个重要的统计量，用于评估模型的适用性和预测能力。
