读回归输出时，r和r²经常出现在相邻位置，却不能用同一句话解释。IB数学学习中的统计表达，既要计算正确，也要说明模型与数据条件。下面是原创数值示例，不对应特定考试题或课程版本的完整要求。
想结合自己的基础讨论下一步？到文末扫码联系翰林，发送“IB相关回归1103”，说明年级、学习目标和目前最困惑的问题。
先保留相关方向
如果样本相关系数r=−0.8，负号表示这组数据呈负的线性关联：一个变量较高时，另一个倾向较低。这不是说每个数据点都严格递减，也不能仅凭相关推出因果。
平方后r²=0.64，负号自然消失。因此用r²描述拟合程度时，仍需另用斜率或r说明方向。把0.64写成“正相关”会混淆两个量的角色。
在明确模型下理解64%
考虑带截距、只有一个解释变量的普通最小二乘线性回归，使用同一组样本数据。在通常的非退化情形下，R²=r²。设响应变量相对样本均值的总平方和SST为100，残差平方和SSE为36，则R²=1−36/100=0.64。
可解释为该拟合模型解释了样本中响应变量围绕其均值变动的64%。它没有说64%的单次预测完全正确，也没有说解释变量造成了64%的结果。
不要删掉模型条件
上面的相等关系不是所有回归程序输出的通用规则。去掉截距、加入多个解释变量，或换用别的拟合方法后，不能随意把某个两变量相关系数的平方当成模型R²。
即使数值较高，也要看散点图和残差图，检查弯曲关系、异常点及模型是否适合。一个漂亮的统计量不能代替对样本来源和测量过程的说明。
给结论加上数据范围
练习写四句话：相关方向是什么；拟合使用什么模型；R²在这个样本里怎样解释；哪些结论还不能得到。若进一步作预测，应说明是否超出观察范围，不把样本内拟合等同于样本外表现。
咨询时请说明AA或AI、学习层级、所用计算工具，并附上散点图或匿名化输出。保留变量单位和样本量，比单独发一个r值更容易定位解释上的问题。
延伸阅读：IB数学建模：写出公式后，还要说明定义域和假设。
带着具体问题，扫码联系翰林
正在了解项目、选择学习方向，或已经开始准备？用微信扫描下方二维码，发送“IB相关回归1103”。请补充年级、所在地区、当前基础和最想解决的问题，方便沟通时直接聚焦。
电脑阅读可用微信扫码；手机阅读可点击入口，或保存二维码后在微信内识别。
