在这里，

• n表示数据集中的数据点数量
• k表示自变量的个数
• R代表模型确定的R方值

因此，如果R方在增加一个新的自变量时没有显著增加，那么调整R方值实际上会减少。

另一方面，如果增加新的自变量，我们看到R方值显著增加，那么调整R方值也会增加。

如果我们在模型中加入一个随机自变量，我们可以看到R方值和调整R方值之间的差异。

如你所见，添加随机独立变量无助于解释目标变量的变化。我们的R方值保持不变。因此，给我们一个错误的指示，这个变量可能有助于预测输出。然而，调整R方值下降，表明这个新变量实际上没有捕捉到目标变量的趋势。

显然，当回归模型中存在多个变量时，最好使用调整R方。这将使我们能够比较具有不同数量独立变量的模型。

结尾

在这篇文章中，我们研究了R方统计值是什么，它在哪里不稳定。我们还研究了调整R方。

希望这能让你更好地理解事情。现在，你可以谨慎地确定哪些自变量有助于预测回归问题的输出。