最小二乘法(OLS)的目标是（）A. 最大化残差平方和B. 最小化残差平方和C. 最小化解释变量方差D. 最大化拟合优度

最小二乘法（OLS）的核心目标是通过最小化残差平方和来确定回归模型的参数。残差是指观测值与模型预测值之间的差异，OLS通过平方残差并求和，找到使这个总和最小的参数组合。关键点在于理解OLS直接优化的是残差平方和，而非其他指标如拟合优度或变量方差。

选项分析

A. 最大化残差平方和
残差平方和越小，模型拟合效果越好，因此“最大化”与OLS目标完全矛盾，排除。

B. 最小化残差平方和
OLS的数学推导直接以残差平方和最小化为目标函数，通过求导找到最优解，此选项正确。

C. 最小化解释变量方差
解释变量的方差是数据本身的属性，与模型拟合无关，OLS不涉及对解释变量的调整，排除。

D. 最大化拟合优度
拟合优度（如$R^2$）是衡量模型解释力的间接指标，OLS通过最小化残差平方和间接提升拟合优度，但并非直接目标，排除。