1和平方和resid(Res SS)是殘差平方和，也叫殘差平方和。
該統計參數計算擬合數據和原始數據的對應點的誤差的平方和。
Reg SS(回歸平方和)是預測數據和原始數據之差的平方和。
總平方和(Total sum of squares)是原始數據與均值之差的平方和，公式如下。
總SS=Reg SS+Res SS
2.F-F-統計量是F分布下的統計量，回歸分析中計算F的公式為
f =(Reg SS/k)/[Res SS/(n-k-1)]，其中Reg SS和Res SS分別為回歸平方和與殘差平方和。
3.R2是決定系數，也稱為決定系數和擬合優度，表示模型在多大程度上可以解釋為自變量引起因變量的變化。是x引起的平方和占y的平方和總數的比例。
R2 =註冊SS/總SS=(總SS-Res SS)/總SS
=1分辨率SS/總SS
擴展數據:
統計學上，數據點與其在回歸線上對應位置的差值稱為殘差，每個殘差的平方和稱為殘差平方和，表示隨機誤差的影響。壹組數據的殘差平方和越小，其擬合程度越好。
決定系數表示因變量y變化的百分比，可以用受控自變量x來解釋，決定系數的正常範圍是[0 1]，越接近1，說明方程的變量解釋力越強，模型擬合數據越好。
參考資料:
百度百科-行列式系數
百度百科-殘差平方和