模型與真實( 數據 )之間存在差距，稱為誤差( Error )。 由於存在 Error，便需要量度模型表達多少真實( 數據 )。

這種量度叫 Coefficient of Determination 又稱 Goodness of Fit 。

如果只是將所有 Error 相加，由於某些 Error 是正，某些是負，原則上加把這些正正負負相加，會趨向等於零。 因此，單純把 Error 相加便不可以反映出模型與真實( 數據 )之間的差別。

於是，有人把這些 Error 自乘，便可以把「正負」的問題消除。 Error ，即是模型中沒有包括( 解釋 )的部份( Unexplained )，是為盈餘( Residual )。 將所有自乘的 Error 相加，稱為 RSS ( Residual Sum of Square )。

表達法一

表達法二

TSS = Total Sum of Square
RSS = Residual of Sum square
ESS = Explained Sum of square

r ² 是指 ESS 佔 TSS 的多少，因此，原則上，

模型的 r ²越接近 1 ，表示模型表達越多真實( 數據 )的情況。