Метод наименьших квадратов (МНК) - это один из наиболее распространенных методов оценки параметров регрессионной модели. Он основывается на минимизации суммы квадратов отклонений между наблюдаемыми и предсказанными значениями зависимой переменной.

Давайте рассмотрим предложенные варианты:

• a. сумма квадратов отклонений наблюдаемых значений зависимой переменной от предсказанных минимальна
• b. доля объясненной дисперсии зависимой переменной максимальна
• c. сумма абсолютных отклонений наблюдаемых значений зависимой переменной от предсказанных максимальна

Теперь проанализируем каждый из вариантов:

1. Вариант a: Этот вариант верен. Метод наименьших квадратов действительно минимизирует сумму квадратов отклонений между наблюдаемыми и предсказанными значениями. Это и есть основная цель метода, поэтому этот ответ правильный.
2. Вариант b: Этот вариант не всегда верен. Хотя максимизация доли объясненной дисперсии (R-квадрат) может быть побочной целью, сам метод наименьших квадратов не гарантирует максимизацию этой величины. Он просто находит такие параметры, которые минимизируют сумму квадратов отклонений.
3. Вариант c: Этот вариант также неверен. Метод наименьших квадратов не минимизирует сумму абсолютных отклонений, а именно сумму квадратов отклонений. Сумма абсолютных отклонений является другой мерой, и для ее минимизации используется другой метод, например, метод наименьших абсолютных отклонений.

Итак, правильный ответ на вопрос - это a: сумма квадратов отклонений наблюдаемых значений зависимой переменной от предсказанных минимальна.