可决系数（R²）是衡量回归模型拟合优度的核心统计量，它表示因变量的变异中可由自变量解释的比例，取值范围在0到1之间，值越接近1说明模型拟合效果越好，但需注意高R²并不代表模型因果关系成立或预测准确，需结合残差分析、过拟合检验及实际业务场景综合判断。
可决系数（R²）是回归分析中最常用的指标之一，它通过比较模型预测值与实际值的差异，量化自变量对因变量的解释能力。例如，R²=0.8意味着模型中80%的因变量变异可以由自变量解释，剩余20%归因于随机误差或其他未纳入模型的因素。但实际应用中，R²存在局限性：增加自变量数量会机械提升R²（即使变量无意义），因此通常参考调整后的R²（Adjusted R²）或使用AIC、BIC等准则。此外，R²无法检测非线性关系，且对异常值敏感，需结合残差图、Q-Q图等诊断工具。
【常见问题】
问题1：可决系数为0.9时，是否代表模型完美？
回答1：可决系数为0.9仅说明自变量解释了90%的因变量变异，但模型可能存在过拟合、多重共线性或未满足线性假设（如残差非正态、异方差）等问题，因此需进一步验证残差分布和预测能力，不能直接认为模型完美。
问题2：如何区分可决系数与调整后的可决系数？
回答2：可决系数（R²）会随着自变量数量增加而单调上升，即使加入无关变量；调整后的可决系数（Adjusted R²）则对自变量个数进行惩罚，避免盲目增加变量，因此更适合用于比较不同自变量数量的模型优劣。
问题3：可决系数为负数代表什么含义？
回答3：可决系数通常介于0到1，但在某些情况下（如线性回归无截距项或模型预测效果差于均值预测时），R²可能为负值，说明模型拟合效果甚至不如简单用因变量均值作为预测值，此时应重新审视模型设定或数据质量。