其取值范围在（0,1），可以用百分数表示。如果决定系数R2越接近1，说明因变量不确定性的绝大部分能由回归方程解释，回归方程拟合度越好。反之，如果R2不大，说明 回归方程的效果不好，应该进行修改，可以考虑增加新的自变量或者使用曲线回归。
（1）当样本量很小时，此时得到一个较大的决定系数，这个决定系数也可能是虚假的。
（2）即使样本量不小，决定系数很大，也不能肯定自变量与因变量之间是线性关系，这可能是因为曲线回归效果更好的结果。尤其是当自变量的取值范围很窄时（例如：李克特5分量表），线性回归效果通常较好，这样的线性回归方程是不能用于外推预测的。
（3）当计算出一个很小的决定系数，例如 R2 =时，与相关系数的显著性检验相似，如果样本量n不大，就会得到线性回归不显著的结论，而在样本量很大时，就会得出线性回归显著的结论。这时，无论是否显著，都应该尝试改进回归的效果，如增加自变量，或者采用曲线回归等。
爱dele的Vivian
