我认为这个的大小不能说明问题。
看看其他指标是个什么情况吧

从理论上说，我们一般都希望R平方大一点，实际建模过程中时间序列数据建立的模型R平方常常超过0.9，截面数据建立的模型R平方常常比较低．

对啊，所以感觉对于R平方有种很特殊的感觉。
希望他越大越好，但实际又不可能很大，R平方实在有点鸡肋。现在倒是成了检验有没有拟合过度的指标了。

我做了个回归，用的横截面数据，R2只有0.2左右，是不是太低了？

如果使用非平稳的时间序列，大R可能意味着spurious regression.

如果使用非平稳的时间序列，大R可能意味着spurious regression.

极有可能是变量都非平稳，在这种情况下即使伪回归，R平方也非常大。

可以考虑spurious regression的可能性,但如果是cointegration,R2也可能会大.

问一下，R平方多大时效果最好啊？

0.1到0.8之间算是正常的吧。别太小也别太大。不过有些情况下即使出现了极小和极大的情况也不是很要紧。

R平方值大小实际上是取决与你的样本数据，就是说R平方值仅仅衡量了模型对样本数据的拟合程度而并不反映总体的拟合程度（通常用R平方值大小作为衡量自变量对因变量变化的解释程度是建立在所有的样本都是真正来自于所研究的对象的总体，而事实上这个假定是非常严格的），如果某些样本不是来自于所研究的总体，而且要是非平稳的时间序列数据也可能会出现这种情况，最有可能的是出现了严重的多重共线性，你可以看看单个变量的显著性检验结果以及参数估计量的符号是否合理，也有可能是加入了一些无关的变量，所以应该看调整以后的R平方值。

R平方值大小实际上是取决与你的样本数据，就是说R平方值仅仅衡量了模型对样本数据的拟合程度而并不反映总体的拟合程度（通常用R平方值大小作为衡量自变量对因变量变化的解释程度是建立在所有的样本都是真正来自于所研究的对象的总体，而事实上这个假定是非常严格的），如果某些样本不是来自于所研究的总体，而且要是非平稳的时间序列数据也可能会出现这种情况，最有可能的是出现了严重的多重共线性，你可以看看单个变量的显著性检验结果以及参数估计量的符号是否合理，也有可能是加入了一些无关的变量，所以应该看调整以后的R平方值。

学习下，我的太小了

时间序列做回归一般可绝系数会非常大

不太懂 不过我看到过一篇优秀的博士论文 调整后R的平方高达0.9984呢 固定效应模型

如果调整的R方也接近1是为什么呢？