当进行多元回归时,就会发现调整的可决系数是可以为负的,特别是当模型中所使用的解释变量很多,而样本量不足时,对解释变量过多带来的惩罚就很很重,所以可决系数出现负值.

得负值说明你的拟合失败。adjust R square：校正决定系数，决定系数R可以用来评价回归方程的优劣，但随着自变量个数的增加，R将不断增大，因此对两个具有不同个数的自变量的回归方程进行比较时，还必须考虑方程所包含的自变量个数的影响，为此提出，所谓“最优”回归方程是指校正的决定系数最大者。

adjust R square＝1-(1-R square)*(N-1)/(N-K-1)
N是样本规模，k是自变量个数。R square不会为负值，但adjust R square可以为负值（当R square很小，n很小，k较大时）。

adjust R square＝1-(1-R square)*(N-1)/(N-K-1)
N是样本规模，k是自变量个数。R square不会为负值，但adjust R square可以为负值（当R square很小，n很小，k较大时）。

学习了，正好遇到了这个问题