S、R 和调整的 R 是模型对数据的拟合优度的度量。这些值有助于您选择具有最佳拟合的模型。

·    S 以响应变量的单位进行度量，它表示数据值偏离回归线的标准距离。对于给定研究，等式预测响应的效果越好，S 越小。

·    R（R 平方）描述在观测的响应值中由预测变量解释的变异量。R 始终随预测变量的增加而增大。例如，最佳的五预测变量模型的 R 始终比最佳的四预测变量模型的高。因此，比较相同大小的模型时 R 最有效。

·    调整的 R 表示已根据模型中的项数调整的修正 R。如果包括了不必要的项，R 会人为地变得很高。与 R 不同，调整的 R 在您向模型中添加项时可能变小。使用调整的 R 比较预测变量数不同的各个模型。

·    R（预测的）表示模型对新观测值预测响应的好坏程度。预测的 R 可以防止过度拟合模型。在比较模型方面，这个统计值比调整的 R 更有用，因为它是用模型计算中未包括的观测值计算得出的。较大的预测的 R 值说明模型的预测能力较强。

模型汇总
 
                 R-sq（调
      S    R-sq      整）  R-sq(预测)
3.95012  47.44%    39.56%      24.32%
                                     

对于油漆数据，R 为 47.44%，调整的 R 等于 39.56%。如果要比较不同的油漆硬度模型，则通常要查找可使 S 最小化并使三个 R 值最大化的模型。