Mark linear regression

SSM（Sum of Squares for Model）即模型平方和。模型和baseline（Y的均值），又称为组间平方和

SSE（Sum of Squares for Error)即 残差平方和。反映每个样本各观测值的离散状况，又称为组内平方和或误差项平方和

当然SSM是模型解释出来的，但是残差是模型的误差，所以是模型未能够解释的。