虽然残差平方和可以对拟合作出定量的判断，但残差平方和也有一定的局限性。为获得最佳的拟合优度（Goodness of Fit），引入了决定系数R²（Coefficient of Determination），决定系数R²其值在0～1变化。若R²接近1时，表明拟合效果好[注意决定系数R²不是R（相关系数）的平方，千万不要搞混了！]此外，如果Origin在计算时出现R²值不在0～1之间，如R²是负数，则表明该拟合效果很差。

从数学的角度看，决定系数R²受拟合数据点数量的影响，增加样本数量可以提高R²值。为了消除这一影响，Origin软件还引入了校正决定系数R²_adj（adjusted R²）。尽管有了决定系数R²和校正决定系数R²_adj，在有的场合下，还是不能够完全正确地判断拟合效果。例如，对图8-37中所示的数据点进行拟合，四个数据集都可以得到理想的R²值，但很明显图8-37中的图8-37b、c和d拟合得到的模型是错误的，仅有图8-37a拟合得到的模型是比较合适的。因此，在拟合完成时，要认真分析拟合图形，在必要时还必须对拟合模型进行残差分析，只有在此基础上，才可以得到最佳的拟合优度。

(www.daowen.com)

图8-37 决定系数不能完全判断拟合效果的示意图