统计学里R^2表示什么
拟合曲线的时候 最后出现了一个R^2，拟合得非常接近，R^2=0.99999，我想知道它的专业术语是什么，我想应该是逼近率，或者是可靠程度一类的吧 ，谁能告诉我，谢谢啦
统计学里R^2表示：决定系数，反应因变量的全部变异能通过回归关系被自变量解释的比例。如R平方为0.8，则表示回归关系可以解释因变量80%的变异。换句话说，如果我们能控制自变量不变，则因变量的变异程度会减少80%。
统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。统计学用到了大量的数学及其它学科的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域。
扩展资料：
在统计学中，R平方值的计算方法及特点：
一、在统计学中，R平方值的计算方法为：R平方值=回归平方和(ssreg)/总平方和(sstotal)，其中回归平方和=总平方和-残差平方和(ssresid)。
二、R^2的特点：
1、可决系数是非负的统计量；
2、可决系数的取值范围：0<=R^2<=1；
3、可决系数是样本观测值的函数，可决系数R^2是随机抽样而变动的随机变量。为此，对可决系数的统计可靠性也应进行检验。
参考资料来源：百度百科-统计学
在统计学中对变量进行线行回归分析，采用最小二乘法进行参数估计时，R平方为回归平方和与总离差平方和的比值，表示总离差平方和中可以由回归平方和解释的比例，这一比例越大越好，模型越精确，回归效果越显著。R平方介于0~1之间，越接近1，回归拟合效果越好，一般认为超过0.8的模型拟合优度比较高。
扩展资料
回归直线的求法
最小二乘法：
总离差不能用n个离差之和来表示，通常是用离差的平方和，即作为总离差，并使之达到最小，这样回归直线就是所有直线中Q取最小值的那一条，这种使“离差平方和最小”的方法，叫做最小二乘法：
由于绝对值使得计算不变，在实际应用中人们更喜欢用：Q=（y1-bx1-a）²+（y2-bx2-a）²+······+（yn-bxn-a）²，这样，问题就归结于：当a，b取什么值时Q最小，即到点直线y=bx+a的“整体距离”最小。
用最小二乘法求回归直线方程中的a,b有下面的公式：
1，在统计学中，R平方值的计算方法如下：
R平方值=回归平方和(ssreg)/总平方和(sstotal)
其中回归平方和=总平方和-残差平方和(ssresid)
2，以上几个名词解释如下：
总平方和：Const参数为True的情况下，总平方和=y的实际值与平均值的平方差之和；Const参数为False的情况下，总平方和=y的实际值的平方和。
残差平方和：残差平方和=y的估计值与y的实际值的平方差之和。
3，在线性回归分析中，可以使用RSQ函数计算R平方值。
RSQ函数语法为RSQ(known_y's,known_x's)
将源数据中的y轴数据和x轴数据分别代入，就可以求得其“线性”趋势线的R平方值。
4，R^2的特点：
（1）可决系数是非负的统计量
（2）可决系数的取值范围：0<=R^2<=1
（3）可决系数是样本观测值的函数，可决系数R^2是随机抽样而变动的随机变量。为此，对可决系数的统计可靠性也应进行检验。