回1楼：（1）、R^2=ESS/TSS，是说回归平方和越接近总离差平方和时，RSS越小，模型越显著。这就是最小二乘的原理。R^2越大，，残差平方和越小，证明模型拟合越好。跟最大似然没什么联系。（2）R^2没有判定区间，主要是因为他只是一个衡量你和好坏的一个指标，说明模型最小二乘法下究竟拟合的有多好，而F是判定模型在某个显著性水平下是否显著的标准，显著就是显著，不显著就是不显著。
回5楼：模型是否显著建立在假设成立的基础上，而存在序列相关性就表明假设已经不成立了，更谈不上模型是否显著。至于AIC和SC，是说如果在所有假设成立的情况下，加入一个变量会使模型AIC和SC值变大，那我们就可以加入这一变量，若AIC和SC值没有什么变化，就可以不加入这一变量。
当然这些只是理论上的说法。

AIC和SC应该是越小越好吧？

F值的重要性远高于R方，即便R方很低，但只要F值是显著的，就说明模型的解释变量在统计上能显著解释变量。

在讨论中成长

既然如此，那么R平方的意义是什么?

看看学习下~~