1、R square是決定系數,意思是擬合的模型能解釋因變量的變化的百分數,例如R方=0.810,表示擬合的方程能解釋因變量81%的變化,還有19%是不能夠解釋的.F值是方差檢驗量,是整個模型的整體檢驗,看你擬合的方程有沒有意義t值是對每一個自變量（logistic回歸）的逐個檢驗,看它的beta值β即回歸系數有沒有意義F和t的顯著性都是0.05,SPSS是世界上最早的統計分析軟件，由美國斯坦福大學的三位研究生Norman H. Nie、C. Hadlai (Tex) Hull 和 Dale H. Bent于1968年研究開發成功，同時成立了SPSS公司，并于1975年成立法人組織、在芝加哥組建了SPSS總部。

2、決定系數，有的教材上翻譯為判定系數，也稱為擬合優度。

(資料圖片僅供參考)

3、表示可根據自變量的變異來解釋因變量的變異部分。

4、如某學生在某智力量表上所得的 IQ 分與其學業成績的相關系數 r=0.66，則決定系數 R^2=0.4356，即該生學業成績約有 44%可由該智力量表所測的智力部分來說明或決定。

5、擴展資料：原理：表征依變數Y的變異中有多少百分比,可由控制的自變數X來解釋.決定系數并不等于相關系數的平方。

6、它與相關系數的區別在于除掉|R|=0和1情況，由于R2

7、決定系數：在Y的總平方和中，由X引起的平方和所占的比例，記為R2決定系數的大小決定了相關的密切程度。

8、當R2越接近1時，表示相關的方程式參考價值越高；相反，越接近0時，表示參考價值越低。

9、這是在一元回歸分析中的情況。

10、但從本質上說決定系數和回歸系數沒有關系，就像標準差和標準誤差在本質上沒有關系一樣。

11、在多元回歸分析中，決定系數是通徑系數的平方。

12、表達式：R2=SSR/SST=1-SSE/SST其中：SST=SSR+SSE，SST (total sum of squares)為總平方和，SSR (regression sum of squares)為回歸平方和，SSE (error sum of squares) 為殘差平方和。

13、注意：以下不同名字是同一個意思，只是表述不同回歸平方和：SSR(Sum of Squares for regression) = ESS (explained sum of squares)殘差平方和：SSE（Sum of Squares for Error） = RSS (residual sum of squares) =SSR(sum of squared residuals)總離差平方和：SST(Sum of Squares for total) = TSS(total sum of squares)注意：兩個SSR的不同SSE+SSR=SSTRSS+ESS=TSS意義：擬合優度越大，自變量對因變量的解釋程度越高，自變量引起的變動占總變動的百分比高。

14、觀察點在回歸直線附近越密集。

15、取值意思：0 表示模型效果跟瞎猜差不多1 表示模型擬合度較好（有可能會是過擬合，需要判定）0~1 表示模型的好壞（針對同一批數據）小于0則說明模型效果還不如瞎猜（說明數據直接就不存在線性關系）參考資料：百度百科-決定系數參考資料：百度百科-spss。

本文到此分享完畢，希望對大家有所幫助。

關鍵詞：