对样本总体而言，其离差平方和是n，但我们平时做计量时，使用的只是部分样本数据，其离差平方和是n-1，可以用计量的理论证明实际运用时采用n-1是由于优于采用n的。你可以朝着样本和总体的估计差别方面考虑

1# chennafei 统计学上的自由度是指当以样本的统计量来估计总体的参数时， 样本中独立或能自由变化的资料的个数，称为该统计量的自由度。 统计学上的自由度包括两方面的内容：　　首先，在估计总体的平均数时，由于样本中的 n 个数都是相互独立的，从其中抽出任何一个数都不影响其他数据，所以其自由度为n。　　在估计总体的方差时，使用的是离差平方和。只要n-1个数的离差平方和确定了，方差也就确定了；因为在均值确定后，如果知道了其中n-1个数的值，第n个数的值也就确定了。这里，均值就相当于一个限制条件，由于加了这个限制条件，估计总体方差的自由度为n-1。　　例如，有一个有4个数据(n＝4)的样本, 其平均值m等于5,即受到m＝5的条件限制, 在自由确定4、2、5三个数据后, 第四个数据只能是9, 否则m≠5。因而这里的自由度υ＝n-1＝4-1＝3。推而广之,任何统计量的自由度υ＝n-限制条件的个数。　　其次，统计模型的自由度等于可自由取值的自变量的个数。如在回归方程中，如果共有p个参数需要估计，则其中包括了p-1个自变量（与截距对应的自变量是常量1）。因此该回归方程的自由度为p-1。（资料来自百度）

谢谢 3# leonxin

谢谢 3# shpaixx