线性回归残差的计算公式如下：
简单线性回归
残差 = 实际观测值 - 预测值
多元线性回归
残差 = 实际观测值 - 预测值
对于每个观测点 \（i\），残差 \（e_i\） 的计算公式为：
\[ e_i = y_i - \hat{y_i} \]
其中 \（y_i\） 是第 \（i\） 个观测值，\（\hat{y_i}\） 是第 \（i\） 个观测值的预测值
残差平方和 （RSS）
残差平方和是实际观测值与预测值之差的平方和，计算公式为：
\[ RSS = \sum_{i=1}^{n} （y_i - \hat{y_i}）^2 \]
其中 \（n\） 是样本量
均方误差 （MSE）
均方误差是残差平方和的平均值，计算公式为：
\[ MSE = \frac{1}{n} \sum_{i=1}^{n} （y_i - \hat{y_i}）^2 \]
其中 \（n\） 是样本量
通过这些公式，可以评估线性回归模型的拟合程度，如果残差较小且随机分布，表示模型较好地拟合了数据。