均方差和方差都是统计学中常用的概念，它们都是用来衡量数据的离散程度。然而，均方差和方差的计算方法和所代表的意义是不同的。

首先，我们来看方差。方差是指一组数据与其平均数的差值的平方和的平均数。其计算公式为：

$$\sigma^2 = \frac\sum_^n(x_i-\bar)^2$$

其中，$\sigma^2$表示方差，$n$表示数据的数量，$x_i$表示第$i$个数据点，$\bar$表示所有数据点的平均值。

方差的计算方法比较简单，它可以告诉我们数据的离散程度，即数据点与平均值的偏离程度。方差越大，表示数据点越分散，反之则越集中。

接下来，我们来看均方差。均方差是指一组数据与其目标值的差值的平方和的平均数。其计算公式为：

$$MSE = \frac\sum_^n(y_i-\hat)^2$$

其中，$MSE$表示均方差，$n$表示数据的数量，$y_i$表示实际观测值，$\hat$表示预测值或目标值。

均方差常用于评估模型的预测能力，它可以告诉我们模型预测值与实际值的偏差程度。均方差越小，表示模型的预测能力越好。

综上所述，均方差和方差都是用于衡量数据的离散程度的指标，但是它们的计算方法和所代表的意义是不同的。方差主要用于描述数据点与平均值的偏离程度，而均方差则用于评估模型预测值与实际值的偏差程度。