Le coefficient de détermination, R au carré, est utilisé dans la théorie de la régression linéaire dans les statistiques comme une mesure de la façon dont l'équation de régression correspond aux données. Il est le carré de R, le coefficient de corrélation, qui nous fournit le degré de corrélation entre la variable dépendante, Y et la variable indépendante X. R varie de -1 à +1. Si R est égal à 1, alors Y est parfaitement proportionnelle à X, si la valeur de x augmente d'un certain degré, la valeur de y augmente de la même mesure. Si R est égal à -1, alors il ya une corrélation négative parfaite entre Y et X. Si X augmente, alors Y vont diminuer dans la même proportion. D'autre part, si R = 0, alors il n'y a pas de relation linéaire entre X et Y. R carré varie de 0 à 1. Cela nous donne une idée de la façon dont notre équation de régression correspond aux données. Si le R au carré est égal à 1, alors notre meilleur ajustement passe par tous les points dans les données, et toutes les variations dans les valeurs observées de Y est expliqué par sa relation avec les valeurs de X. Par exemple, si nous obtenons un R au carré La valeur de 0,80 puis 80% de la variation dans les valeurs de Y est expliquée par sa relation linéaire avec les valeurs observées de X.