Метод наименьших квадратов (МНК) используется для оценки параметров линейной регрессии. Основная цель этого метода заключается в минимизации суммы квадратов отклонений между фактическими значениями зависимой переменной и ее расчетными значениями, полученными на основе модели.

Давайте разберем, что это значит и какой вариант из предложенных является правильным:

1. Фактические значения зависимой переменной от ее среднего значения - это не то, что мы минимизируем в рамках метода наименьших квадратов.
2. Фактические значения объясняемой переменной от ее среднего значения - это также не то, что мы ищем, так как объясняемая переменная не является зависимой переменной в контексте МНК.
3. Расчетные значения зависимой переменной от ее среднего значения - это не совсем корректно, так как мы сравниваем расчетные значения с фактическими, а не со средними.
4. Фактические значения зависимой переменной от ее расчетных значений - это именно то, что мы минимизируем. Мы ищем такие значения параметров β₀ и β₁, которые сделают разницу между фактическими значениями зависимой переменной и расчетными значениями (которые мы получаем из модели) как можно меньшей.

Таким образом, правильный ответ: фактических значений зависимой переменной от ее расчетных значений.

В заключение, метод наименьших квадратов позволяет найти наилучшие параметры для линейной модели, минимизируя именно сумму квадратов отклонений между фактическими и расчетными значениями зависимой переменной.