You need to post how you did it. According the limited information above, it is imposible.

Here is a simulation for your problem. The coef for x and r-square are the same. The only difference is the interpretation of dummy(c=0,1,2) + intercept. They are same.

data t1;
   do i = 1 to 100;
      c=mod(i,3);
      x=rannor(123); error=rannor(123);
      y=c+1*x + error;
      output;
    end;
run;

proc glm data=t1;
class c;
model y=c x/solution;
run;
quit;

proc glm data=t1;
class c;
model y=c x/solution noint;
run;
quit;

***********************
                                           The SAS System           14:05 Saturday, May 15, 2010  30

                                         The GLM Procedure

                                      Class Level Information

                                   Class         Levels    Values

                                   c                  3    0 1 2


                              Number of Observations Read         100
                              Number of Observations Used         100

                                           The SAS System           14:05 Saturday, May 15, 2010  31

                                         The GLM Procedure

Dependent Variable: y

                                                Sum of
        Source                      DF         Squares     Mean Square    F Value    Pr > F

        Model                        3     154.4179842      51.4726614      60.01    <.0001

        Error                       96      82.3390611       0.8576986

        Corrected Total             99     236.7570452


                         R-Square     Coeff Var      Root MSE        y Mean

                         0.652221      111.3991      0.926120      0.831354


        Source                      DF       Type I SS     Mean Square    F Value    Pr > F

        c                            2     66.93327984     33.46663992      39.02    <.0001
        x                            1     87.48470433     87.48470433     102.00    <.0001


        Source                      DF     Type III SS     Mean Square    F Value    Pr > F

        c                            2     65.47431949     32.73715975      38.17    <.0001
        x                            1     87.48470433     87.48470433     102.00    <.0001


                                                     Standard
               Parameter           Estimate             Error    t Value    Pr > |t|

               Intercept        1.962378170 B      0.16123655      12.17      <.0001
               c         0     -1.955754798 B      0.22800059      -8.58      <.0001
               c         1     -1.302729216 B      0.22633900      -5.76      <.0001
               c         2      0.000000000 B       .                .         .
               x                1.069740088        0.10592038      10.10      <.0001

NOTE: The X'X matrix has been found to be singular, and a generalized inverse was used to solve the
      normal equations.  Terms whose estimates are followed by the letter 'B' are not uniquely
      estimable.

                                           The SAS System           14:05 Saturday, May 15, 2010  32

                                         The GLM Procedure

                                      Class Level Information

                                   Class         Levels    Values

                                   c                  3    0 1 2


                              Number of Observations Read         100
                              Number of Observations Used         100

                                           The SAS System           14:05 Saturday, May 15, 2010  33

                                         The GLM Procedure

Dependent Variable: y

                                                Sum of
        Source                      DF         Squares     Mean Square    F Value    Pr > F

        Model                        4     223.5328621      55.8832155      65.15    <.0001

        Error                       96      82.3390611       0.8576986

        Uncorrected Total          100     305.8719232


                         R-Square     Coeff Var      Root MSE        y Mean

                         0.652221      111.3991      0.926120      0.831354


        Source                      DF       Type I SS     Mean Square    F Value    Pr > F

        c                            3     136.0481578      45.3493859      52.87    <.0001
        x                            1      87.4847043      87.4847043     102.00    <.0001


        Source                      DF     Type III SS     Mean Square    F Value    Pr > F

        c                            3     141.7730055      47.2576685      55.10    <.0001
        x                            1      87.4847043      87.4847043     102.00    <.0001


                                                    Standard
                Parameter           Estimate           Error    t Value    Pr > |t|

                c         0      0.006623372      0.16126934       0.04      0.9673
                c         1      0.659648954      0.15894131       4.15      <.0001
                c         2      1.962378170      0.16123655      12.17      <.0001
                x                1.069740088      0.10592038      10.10      <.0001

应该用包含截距项的回归。如果用没有截距项的回归，此时R^2不再具有衡量拟合优度的作用，R^2失效了。

It is true in a simple regression. In fact the R-square is no longer well defined.

But in this case when you have a dummy as in my example(3 levels), 3 intercepts are defined by the dummy variable. And additional intercept would be redundant.

十分感谢各位热心的大虾！！！