考虑模型复杂度，对复杂性进行惩罚

决定系数
模型的决定系数(Determinate Coefficient) 等于复相关系数的平方。与简单线性回归中的决定系数相类似，它表示反应变量y 的总变异中可由回归模型中自变量解释的部分所占的比例，是衡量所建立模型效果好坏的指标之一。显然， R2 越大越好，但是也存在与复相关系数一样的不足，即使向模型中增加的变量没有统计学意义，  值仍会增大。
校正的决定系数
由于用R2 评价拟合模型的好坏具有一定的局限性，即使向模型中增加的变量没有统计学意义，R2 值仍会增大。因此需对其进行校正，从而形成了校正的决定系数(Adjusted R Square) 。与R2 不同的是，当模型中增加的变量没有统计学意义时，校正决定系数会减小，因此校正R2 是衡量所建模型好坏的重要指标之一，校正R2 越大，模型拟合得越好。但当p/n 很小时，如小于0.05 时，校正作用趋于消失。
实际应用中，它们的大小还与研究中实际观测到的自变量取值范围有关，一种可能的情况是，某个实际观测的自变量取值范围很窄，但此时所建模型的R2 很大，但这并不代表模型在外推应用时的效果肯定会很好。此外，有时虽然校正决定系数(或决定系数)很大，但误差均方仍很大，这会导致估计的可信区间很宽，从而失去实际应用价值。

古拉扎迪 计量经济学 第四版 英文版217页及之后有非常详细的介绍！

楼上分析的很对，就是对复杂模型的惩罚！

嗯嗯，之前学的还是有点糊涂，现在明白了许多~~