方为什么是负的(方为什么会小于零)
导语：R方怎么会是负数？
R2由点到非线性回归确定的最佳拟合曲线或线性回归确定的最佳拟合线之间的距离的平方和计算得出（在这种情况下称为 r2使用小写）。这个平方和值是残差的平方和，因此称为 SSres，以 Y 轴平方的单位表示。要转 R2为分数，将结果正态化为点到由所有 Y 值的平均值得到的水平线的距离的平方和。此值称为 SStot。如果曲线与数据拟合良好，则 SSres 将比 SStot 小得多。R2使用此等式计算。
R2= 1 - SSres/SStot
外表可能具有欺骗性。R2并不是任何东西的平方。如果 SSres 大于 SStot，则 R2将为负数（见上式）。虽然看到称为“平方”的东西具有负值令人惊讶，但这并非不可能（因为 R2实际上不是 R 的平方）。
怎么会这样？SSres是点与曲线（或直线）垂直距离的平方和。SStot 是点与以平均 Y 值绘制的水平线的垂直距离的平方和。当直线或曲线拟合数据甚至比水平线更差时，SSres 将超过 SStot。
R2当直线或曲线在拟合数据方面做得很糟糕时，将为负数。当您拟合选择不当的模型（可能是错误，或者可能是因为模型拟合到不同的数据集）或 .当您对模型应用没有任何意义的约束时（也许您在打算输入负数时输入了一个正数），或者 例如，如果将剂量-反应曲线的希尔斜率（Hill slope）限制为大于 1.0， 但曲线实际上是下坡（所以Hill斜率应该是负的），您可能会得到参数的负 R2的值和无意义值。
下面是一个简单的例子。蓝线是约束为当 X=0 时Y 轴Y=150处的截距的直线的拟合。SSres是红点与这条蓝线的距离的平方和。SStot 是红点与绿色水平线的距离的平方和。由于 SSre 比 SStot 大得多，因此 R2（用于蓝线的拟合）为负数。这是因为约束 - Y 截距等于 150 - 对这些数据毫无意义。
如果 R2为负数，请检查是否选择了适当的模型，并正确设置了任何约束。
Prism文件
本文内容由小萱整理编辑！