一下是origin9中对R Square的解释：
R-Square (COD)
The R2 value shows the goodness of a fit, and can be computed by:
where TSS is the total sum of square, and RSS is the residual sum of square.
大致：R-square（R2，决定系数）表达了拟合的好坏程度度（相关度），计算公式...，TSS为总平方和，RSS为残差平方和，RSS表示误差，越小越好，因此从计算公式来看，拟合越好，误差越小，R-square就越大，为1就是最好的鸟，没有大于。R2对少量参数（方程中只有一两个参数）的拟合表达较为准确，但对多参数情况需要修正，有兴趣自己查查adjust. R2（调整决定系数）。
温馨提示：答案为网友推荐，仅供参考
第1个回答 推荐于2017-11-25
是 R Square 吧，就是 R^2，就是相关系数。R^2越接近于1，说明拟合的结果与待拟合的数据越接近，拟合结果越好。追问
那你你知道具体R-S大于多少算拟合成功了么，我的是0.95，很犹豫可以不
追答你把你的拟合结果贴个图上来看看吧
本回答被提问者采纳第2个回答 2020-12-13
origin相关术语中英语对照
Notes:注释，说明
Weight：权函数相关系数和回归系数的区别
1、含义不同
相关系数：是研究变量之间线性相关程度的量。
回归系数：在回归方程中表示自变量x 对因变量y 影响大小的参数。
2、应用不同
相关系数：说明两变量间的相关关系。
回归系数：说明两变量间依存变化的数量关系。
3、单位不同
相关系数：一般用字母r表示 ，r没有单位。
回归系数：一般用斜率b表示，b有单位。
二、回归系数与相关系数的联系：
1、回归系数大于零则相关系数大于零
2、 回归系数小于零则相关系数小于零
扩展资料
相关系数的实际应用
1、在概率论中的应用
例如：若将一枚硬币抛n次，X表示n次试验中出现正面的次数，Y表示n次试验中出现反面的次数，计算ρᵪ ᵧ。
2、在企业物流中的应用
例如：新品上市一个月后，要评估出更好的实际分配方案，通过这样的评估，可以在下一次的新产品上市使用更准确的产品分配方案，以避免由于分配而产生的积压和断货。
3、在聚类分析中的应用
例如：如果有若干个样品，每个样品有n个特征，则相关系数可以表示两个样品间的相似程度。借此，可以对样品的亲疏远近进行距离聚类。
参考资料来源：百度百科-相关系数
百度百科-回归系数
No masked data:无屏蔽数据
Parameters:拟合参数
Intercept:截距
Slope:斜率
Standard Error：标准误差
t-Value： t检验值
Prob>|t| t检验概率（置信概率）
95% LCL 95%控制下限
95% UCL 95%控制上限
CI Half-Width 置信区间半宽度
Residual Sum of Squares 残差平方和
Pearson's r 相关系数
R-Square(COD) 相关系数平方(COD)
Adj. R-Square 校正的相关系数平方
Root-MSE (SD) 标准差
Norm of Residuals 残差范数
Anova 方差分析
Sum of Squares 平方和
Mean Square 均方差
F Value F值
covariance 协方差
correlation 相关性
Independent Variable 自变量
Studentized Residual 学生化残差
Standardized Residual 标准残差
Regular Residual 常规残差
Studentized Deleted Residual 学生化剔除残差
Origin Basic Functions ：Origin基本函数
Implicit 隐式的（函数）
Ellipse 椭圆
PlaneMod 平面模
Exponential 指数（函数）
Asymptotic 渐近线的
Growth/Sigmoidal增长/反曲线函数
Hyperbola 双曲线函数
Logarithm 对数函数
Peak Functions 峰值函数
Piecewise 分段函数
Polynomial 多项式函数
Power 幂函数
Rational 有理函数
Waveform 波形函数
Surface Fitting 曲面拟合（函数）
PFW 峰值流量啸音
Baseline 基线
Chromatography 色谱学（相关函数）
Electrophysiology 电生理学
Pharmacology 药理学
Spectroscopy 光谱学
Statistics 统计学
观现象之间存在的互相依存关系叫相关关系，全称为统计相关关系。有如下两个特点：
1.现象之间确实存在着数量上的依存关系。
2.现象之间数量上的关系是不确定、不严格的依存关系。
相关系数的绝对值在0.3以下是无直线相关，0.3以上是直线相关，0.3-0.5是低度相关，0.5-0.8是显著相关（中等程度相关），0.8以上是高度相关。
Multiple Variables 多变量（函数）
Notes:注释，说明
Weight：权函数相关系数和回归系数的区别
1、含义不同
相关系数：是研究变量之间线性相关程度的量。
回归系数：在回归方程中表示自变量x 对因变量y 影响大小的参数。
2、应用不同
相关系数：说明两变量间的相关关系。
回归系数：说明两变量间依存变化的数量关系。
3、单位不同
相关系数：一般用字母r表示 ，r没有单位。
回归系数：一般用斜率b表示，b有单位。
二、回归系数与相关系数的联系：
1、回归系数大于零则相关系数大于零
2、 回归系数小于零则相关系数小于零
扩展资料
相关系数的实际应用
1、在概率论中的应用
例如：若将一枚硬币抛n次，X表示n次试验中出现正面的次数，Y表示n次试验中出现反面的次数，计算ρᵪ ᵧ。
2、在企业物流中的应用
例如：新品上市一个月后，要评估出更好的实际分配方案，通过这样的评估，可以在下一次的新产品上市使用更准确的产品分配方案，以避免由于分配而产生的积压和断货。
3、在聚类分析中的应用
例如：如果有若干个样品，每个样品有n个特征，则相关系数可以表示两个样品间的相似程度。借此，可以对样品的亲疏远近进行距离聚类。
参考资料来源：百度百科-相关系数
百度百科-回归系数
No masked data:无屏蔽数据
Parameters:拟合参数
Intercept:截距
Slope:斜率
Standard Error：标准误差
t-Value： t检验值
Prob>|t| t检验概率（置信概率）
95% LCL 95%控制下限
95% UCL 95%控制上限
CI Half-Width 置信区间半宽度
Residual Sum of Squares 残差平方和
Pearson's r 相关系数
R-Square(COD) 相关系数平方(COD)
Adj. R-Square 校正的相关系数平方
Root-MSE (SD) 标准差
Norm of Residuals 残差范数
Anova 方差分析
Sum of Squares 平方和
Mean Square 均方差
F Value F值
covariance 协方差
correlation 相关性
Independent Variable 自变量
Studentized Residual 学生化残差
Standardized Residual 标准残差
Regular Residual 常规残差
Studentized Deleted Residual 学生化剔除残差
Origin Basic Functions ：Origin基本函数
Implicit 隐式的（函数）
Ellipse 椭圆
PlaneMod 平面模
Exponential 指数（函数）
Asymptotic 渐近线的
Growth/Sigmoidal增长/反曲线函数
Hyperbola 双曲线函数
Logarithm 对数函数
Peak Functions 峰值函数
Piecewise 分段函数
Polynomial 多项式函数
Power 幂函数
Rational 有理函数
Waveform 波形函数
Surface Fitting 曲面拟合（函数）
PFW 峰值流量啸音
Baseline 基线
Chromatography 色谱学（相关函数）
Electrophysiology 电生理学
Pharmacology 药理学
Spectroscopy 光谱学
Statistics 统计学
观现象之间存在的互相依存关系叫相关关系，全称为统计相关关系。有如下两个特点：
1.现象之间确实存在着数量上的依存关系。
2.现象之间数量上的关系是不确定、不严格的依存关系。
相关系数的绝对值在0.3以下是无直线相关，0.3以上是直线相关，0.3-0.5是低度相关，0.5-0.8是显著相关（中等程度相关），0.8以上是高度相关。
Multiple Variables 多变量（函数）
相似回答