1、S.D dependent var是被解释变量Y的标准差，简称SD。
TSS：Total sum of squares，即原始数据和均值之差的平方和。
TSS与SD存在下列关系：
TSS=SD^2*(N-1) ；
2、回归平方和： ESS (explained sum of squares)即预测数据与原始数据均值之差的平方和，这部分差异是回归可解释的部分。
总平方和TSS （Total Sum of Squares) 即原始数据和均值之差的平方和，公式如下
三者之间的关系是TSS＝RSS＋ESS
由此，可以得到：ESS=TSS-RSS=SD^2*(N-1)-RSS
扩展资料：
1、S.D dependent var是被解释变量Y的标准差。标准差（Standard Deviation），是离均差平方的算术平均数的平方根，是方差的算术平方根。S.D dependent var反映被解释变量Y的离散程度。
2、TSS（Total sum of squares）原始数据和均值之差的平方和。与SD存在下列关系：
TSS=SD^2*(N-1) ；
3、决定系数是因变量Y的变异中有多少百分比,可由控制的自变量X来解释. 在Y的总平方和中，由X引起的平方和所占的比例。
表达式：R平方=ESS/TSS=1-RSS/TSS
