其实在实际问题中，判定系数和调整的判定系数并不是非要达到一个很高的值才好，有时为了顾及模型的实际经济意义，宁愿得到一个较小的判定系数，因此判定系数并没有一个统一的标准，当然一般情况下越大越好，但不必苛求

下面那个问题我不是很清楚，是不是说有些指标找不到数据啊，如果是这样，那当然忍痛割爱了，另外也可以在没有实质影响的情况下寻求相近的指标以代替

第二个问题:

如果你某一个observation 收集人数资料. 例如一个人, 他的收入或者age 没有提供. 很多软件会自动不包括这个人去分析的,when you run the regression.

一般0.6到0.8就够说明问题了,我经常看到有人竞然是0.99以上,那是有伪回归的可能的!

通常来说R-square的大小要求取决于你研究的问题的领域。比如你研究human capital跟diffusion of innovation，那么r-square的大小肯定是有不同的标准。这个标准你要看以往的文献，看人家的r-squar是多少。一般来说，计量分析里面R-square并不是一个特别重要的指标。对于计量分析来说，正确的建立因果关系（如何排除endogeneity,排除其他可能的解释）比一个大的r-square要重要的多。而且在某些情况下，r-square的意义非常小。例如在做panel data或者time series的时候，通常会出现很大的r-square。这并不表示你的模型就是好。