Найпоширенішою інтерпретацією r-квадрата є наскільки добре регресійна модель пояснює спостережувані дані. Наприклад, r-квадрат 60% показує, що 60% мінливості, яка спостерігається в цільовій змінній, пояснюється регресійною моделлю.
Найнижчий R-квадрат дорівнює 0 і означає, що точки не пояснюються регресією, тоді як найвищий R-квадрат дорівнює 1 і означає, що всі точки пояснюються лінією регресії. Наприклад, R-квадрат . 85 означає, що регресія пояснює 85% варіації нашої y-змінної.
Те, що кваліфікується як «хороше» значення R-квадрат, залежатиме від контексту. У деяких галузях, таких як соціальні науки, навіть відносно низьке значення R-квадрат, наприклад 0,5, можна вважати відносно сильним. В інших галузях стандарти хороших показників R-квадрат можуть бути набагато вищими, наприклад 0,9 або вище.
Ми часто позначаємо це як R2 або r2, більше відоме як R Squared, що вказує на ступінь впливу конкретної незалежної змінної на залежну змінну. Зазвичай коливається від 0 до 1, припускають значення нижче 0,3 слабкий вплив, тоді як значення між 0,3 і 0,5 вказують на помірний вплив.
Залежно від того, наскільки модель (лінія) відповідає даним спостереження, R у квадраті матиме значення від нуля до одиниці. Якщо спостережувані дані точно відповідають моделі (лінії), сума квадратів помилок буде невеликою, і дисперсія буде значною мірою пояснена, а значення R у квадраті буде ближче до одиниці.
Ви можете інтерпретувати коефіцієнт детермінації (R²) як частка дисперсії в залежній змінній, яка передбачена статистичною моделлю. Інший спосіб мислення полягає в тому, що R² – це частка дисперсії, яка розподіляється між незалежною та залежною змінними.