相关系数r2的计算公式是：R2=1-(SSE/SST)。
1、相关系数是研究变量之间线性相关程度的量。相关系数最早由统计学家卡尔·皮尔逊设计，按积差方法计算，以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间的线性相关程度。
2、相关系数种类较多，较为常用的有皮尔逊相关系数等。相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度，相关系数则可以弥补这一不足。
3、相关系数的绝对值越接近于1，表示两个变量的线性相关性越强；相关系数的绝对值越接近于0，表示两个变量之间几乎不存在线性相关。例如，如果相关系数为0.8，这意味着大约80%的观测值变化可以通过模型进行解释，只有约20%的观测值变化无法通过模型进行解释。
4、需要注意的是，相关系数只能用于衡量两个变量之间的线性关系，对于非线性关系或者多个变量之间的关系，需要使用其他的统计指标或者方法。除了皮尔逊相关系数，还有其他几种常用的相关系数，例如斯皮尔曼等级相关系数和肯德尔等级相关系数。
5、斯皮尔曼等级相关系数主要用于对有序变量之间的等级相关程度的度量，其计算方法是将所有观测值按照大小排序，然后对每一个观测值计算其秩次与平均秩次之差，最后对这些差值进行相关系数的计算。
6、肯德尔等级相关系数则主要用于对有序变量之间的等级相关程度的度量，其计算方法是将所有观测值按照大小排序，然后对每一个观测值计算其秩次与平均秩次之差，最后对这些差值进行等级相关系数的计算。
相关系数用于度量两个变量之间的线性关系的强度和方向。最常用的是皮尔逊相关系数。以下是计算皮尔逊相关系数的步骤：
假设有两个变量X和Y，有n个数据点。
计算每个变量的均值：\bar{X} = \frac{\sum_{i=1}^{n} X_i}{n}Xˉ=n∑i=1nXi\bar{Y} = \frac{\sum_{i=1}^{n} Y_i}{n}Yˉ=n∑i=1nYi
计算每个数据点与均值的差：\Delta X_i = X_i - \bar{X}ΔXi=Xi−Xˉ\Delta Y_i = Y_i - \bar{Y}ΔYi=Yi−Yˉ
计算差的乘积：\Sigma (\Delta X_i \cdot \Delta Y_i)Σ(ΔXi⋅ΔYi)
计算每个差的平方：\Sigma (\Delta X_i^2)Σ(ΔXi2)\Sigma (\Delta Y_i^2)Σ(ΔYi2)
计算相关系数：r = \frac{\Sigma (\Delta X_i \cdot \Delta Y_i)}{\sqrt{\Sigma (\Delta X_i^2) \cdot \Sigma (\Delta Y_i^2)}}r=Σ(ΔXi2)⋅Σ(ΔYi2)Σ(ΔXi⋅ΔYi)
其中，\SigmaΣ 表示对所有数据点求和。这样计算得到的 r 的值介于 -1 和 1 之间，分别表示负相关和正相关的强度，0 表示无线性关系。
除了皮尔逊相关系数外，还有其他相关系数，如斯皮尔曼相关系数和肯德尔相关系数，适用于非线性关系或秩次数据。计算方法略有不同，具体取决于所选的相关系数类型。