实际上它在维基百科的均方误差的回归部分中提到：

在回归分析中，术语均方误差有时用于指代误差方差的无偏估计：残差平方和除以自由度数。

您还可以在这里找到一些信息：统计中的误差和残差 它说均方误差在不同情况下可能有不同的含义，这有时很棘手。

但请注意，误差平方和 (SSE) 和残差平方和 (RSS) 有时可以互换使用，从而使读者感到困惑。例如，检查此 URL。

严格来说，从统计学的角度来看，Errors 和 Residues 是完全不同的概念。误差主要是指实际观察到的样本值与您的预测值之间的差异，主要用于统计指标，如均方根误差 (RMSE) 和平均绝对误差 (MAE)。相反，残差专门指因变量与线性回归估计值之间的差异。

如果我们认为 MSE 是 RMSE 的平方，我认为这在这里是不正确的。例如，您有一系列关于预测和观察的采样数据，现在您尝试进行线性回归：观察 (O)= a + b X 预测 (P)。在这种情况下，MSE 是 O 和 P 之间的平方差之和除以样本大小 N。

但是，如果要衡量线性回归的执行情况，则需要计算均方残差 (MSR)。在同样的情况下，它首先会计算残差平方和（RSS），它对应于实际观测值和线性回归预测观测值之间的平方差之和。然后，RSS 除以N-2到获得 MSR。

简单地说，在示例中，MSE 不能使用 RSS/N 来估计，因为 RSS 分量对于用于计算 MSE 的分量不再相同。