不，这些数字并不矛盾。听起来您对的含义有所了解：它代表了模型解释的数据中方差的比例；越接近一，拟合越好。$R^2$

残差平方和 (RSS) 是实际值与预测值之间的平方距离之和：

$RSS = \sum\limits_{i=1}^{n}(y_i-\hat y_i)^2$

其中是给定的数据点，的拟合值。$y_i$$\hat y_i$$y_i$

您获得的实际数字很大程度上取决于您的响应变量的规模。单独来看，RSS 信息量并不大。

示例：

将残差想象成一条连接实际值和预测值的垂直线（下图中的红色迹线）。你可以想象，如果你的 y 轴在不同的刻度上，你得到的数字会很不一样。

例如，假设您的 y 轴是公里，给定点距离您的最佳拟合线大约 0.5 公里。然后，该给定数据点的残差为 0.5。但是，如果您的比例是米，那么同一个数据点的残差为 500。您的 RSS 会大得多，但拟合完全没有变化；事实上，数据也根本没有改变。但是 RSS 发生了巨大的变化。