1. R^2是决定系数，表示Y的变动中可以由X的变动来解释的比例，它是回归线对各观测点拟合紧密程度的测度。R^2=1时，表示完全拟合；R^2=0时，表示X与Y不存在线性关系。
2. R^2的值越高，拟合得越好，但是也要根据具体问题而定。比如，对时间序列数据来说，R^2的值在0.8、0.9以上是很常见的，而在横截面数据的情况下，R^2值为0.4、0.5也不能算低。
3. F=(R^2/k-1)/[(1-R^2)/n-k)]
4. 残差平方和：为了明确解释变量和随机误差各产生的效应是多少，统计学上把数据点与它在回归直线上相应位置的差异 称残差，把每个残差的平方后加起来 称为残差平方和，它表示随机误差的效应。
5. 总偏差平方和=回归平方和 + 残差平方和。
扩展资料：
R平方（R-squared）是反映业绩基准的变动对基金表现的影响，影响程度以 0～100 计。如果R平方值等于100，表示基金回报的变动完全由业绩基准的变动所致；
若R平方值等于35，即35%的基金回报可归因于业绩基准的变动。简言之，R 平方值越低，由业绩基准变动导致的基金业绩的变动便越少。此外，R平方也可用来确定β系数或α系数的准确性。一般而言，基金的R平方值越高，其两个系数的准确性便越高。
F统计量：是指在零假设成立的情况下，符合F分布的统计量。
残差平方和：是在线性模型中衡量模型拟合程度的一个量，用连续曲线近似地刻画或比拟平面上离散点组，以表示坐标之间函数关系的一种数据处理方法。
用解析表达式逼近离散数据的一种方法。在科学实验或社会活动中，通过实验或观测得到变量x与y的一组数据对(xₑ，yₑ)（e=1，2，…ə），其中各xₑ是彼此不同的 。
人们希望用一类与数据的背景材料规律相适应的解析表达式，y=f(x，c）来反映变量x与y之间的依赖关系，即在一定意义下“最佳”地逼近或拟合已知数据。f(x，c)常称作拟合模型 ，式中c=(c₁，c₂，…cₔ)是一些待定参数 。
参考资料来源：百度百科-F统计量
参考资料来源：百度百科-残差平方和
参考资料来源：百度百科-R平方