R²是指拟合优度，是回归直线对观测值的拟合程度。
表达式：R2=SSR/SST=1-SSE/SST
其中：SST=SSR+SSE，SST(total sum of squares)为总平方和，SSR(regression sum of squares)为回归平方和，SSE(error sum of squares) 为残差平方和。
回归平方和：SSR(Sum of Squares forregression) = ESS (explained sum of squares)
残差平方和：SSE（Sum of Squares for Error） = RSS(residual sum of squares)
总离差平方和：SST(Sum of Squares fortotal) = TSS(total sum of squares)
SSE+SSR=SST RSS+ESS=TSS
扩展资料
拟合优度检验：
主要是运用判定系数和回归标准差，检验模型对样本观测值的拟合程度。当解释变量为多元时，要使用调整的拟合优度，以解决变量元素增加对拟合优度的影响。
假定一个总体可分为r类，现从该总体获得了一个样本——这是一批分类数据，需要我们从这些分类数据中出发，去判断总体各类出现的概率是否与已知的概率相符。
参考资料来源：百度百科-拟合优度
参考资料来源：百度百科-线性回归
R²是指拟合优度（Goodness of Fit），是回归直线对观测值的拟合程度。
度量拟合优度的统计量是可决系数（亦称确定系数）R²。R²最大值为1。R²的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R²的值越小，说明回归直线对观测值的拟合程度越差。
R²衡量的是回归方程整体的拟合度，是表达因变量与所有自变量之间的总体关系。R²等于回归平方和在总平方和中所占的比率，即回归方程所能解释的因变量变异性的百分比。
扩展资料
1、线性回归拟合方程
①最小二乘法：线性回归都可以通过最小二乘法求出其方程，可以计算出对于y=bx+a的直线。
② 回归系数：要求这个值大于5%。
2、曲线回归分析方法的主要内容：
① 确定两个变数间数量变化的某种特定的规则或规律；
② 估计表示该种曲线关系特点的一些重要参数，如回归参数、极大值、极小值和渐近值等；
③ 为生产预测或试验控制进行内插，或在论据充足时作出理论上的外推。R方和调整R方：如果二者越接近1说明模型的拟合效果越好。
参考资料来源：百度百科-拟合优度
参考资料来源：百度百科-线性回归
参考资料来源：百度百科-曲线回归
本回答被网友采纳线性回归是利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。分析按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。
