r方等于什么？
r方计算公式如下：
计算公式的解读如下：
从图片中可以看出：
左边称为总平方和SST，它可以分解为两部分红色部分指的是各实际观测点与回归值的残差平方和，它是指除了x对y的线性影响之外的其它因素引起的y的变化部分，是不能用回归直线来解释yi的变差部分。所以称为残差平方和，简称SSE。而，绿色部分可以看作是由于自变量 x 的变化引起的y的变化部分，是可以用回归直线来解释yi的变差部分。简称SSR。所以
所以对于模型来讲肯定是能用回归直线解释的变差部分越大越好，也就是说明SSR占SST的比例越大，解释越多，同时也可以说明直线拟合的越好，所以我们引出一个指标R方，回归平方和占总平方和的比例，即为R方。计算公式为：
r方的举例：
R方可以自己计算也可以借助数据分析工具进行输出，这里利用SPSSAU举例进行说明。
从结果可以看出，不良贷款（亿元）会对本年累计应收贷款（亿元）产生显著的正向影响关系。贷款项目个数（个）并不会对本年累计应收贷款（亿元）产生影响关系。并且模型R方值为0.556，意味着不良贷款（亿元）,贷款项目个数（个）可以解释本年累计应收贷款（亿元）的55.6%变化原因。
R方为决定系数，即拟合模型所能解释的因变量的变化百分比。例如，R方＝0．810，说明拟合方程能解释因变量变化的81％，不能解释的19％。
F是方差检验，整个模型的全局检验，看拟合方程是否有意义
T值是对每个自变量进行一个接一个的检验（logistic回归），看其beta值，即回归系数是否有意义
F和T的显著性均为0．05，
回归分析在科学研究领域是最常用的统计方法。《SPSS回归分析》介绍了一些基本的统计方法，例如，相关、回归（线性、多重、非线性）、逻辑（二项、多项）、有序回归和生存分析（寿命表法、Kaplan－Meier法以及Cox回归）。
SPSS是世界上最早的统计分析软件。1968年，斯坦福大学的三位研究生NormanH．Nie，C．Hadlai（Tex）Hull和DaleH．Bent成功地进行了研究和开发。同时成立了SPSS公司。
扩展资料：
原理：
这种表示取决于变量Y中可由控制变量X解释的变化百分比。
决定系数不等于相关系数的平方。这个和相关系数之间的区别是如果你去掉｜，R｜等于0和1，
由于R2<R,可以防止对相关系数所表示的相关做夸张的解释。
决定系数：在Y的平方和中，X引起的平方和所占的比例为R2
相关程度由决定系数的程度决定。
R2越接近1，相关方程的参考值越大。反之，越接近0，参考值越低。这就是一元回归分析的情况。但是决定系数和回归系数本质上是不相关的就像标准差和标准误差本质上是不相关的一样。
在多元回归分析中，决定系数为路径系数的平方。
表达式：R2＝SSR／SST＝1－SSE／SST
其中：SST＝SSR＋SSE，SST （total sum of squares）为总平方和，SSR （regression sum of squares）为回归平方和，SSE （error sum of squares） 为残差平方和。
参考资料来源：百度百科-SPSS回归分析