我不会深入探讨它的真正数学原理（因为我自己也不理解），但我可以用更笼统的术语来解释它。

多重 R 平方只是对具有多个预测变量的模型的 R 平方的度量。因此，它测量响应变量中可由预测变量解释的变化量。基本点是，当您向模型添加预测变量时，倍数 Rsquared 将始终增加，因为预测变量将始终解释方差的某些部分。

调整后的 Rsquared 控制了这种增加，并增加了对模型中预测变量数量的惩罚。因此，它显示了最简约模型和最佳拟合模型之间的平衡。通常，如果您的倍数与调整后的 Rsquared 之间存在较大差异，则表明您的模型可能过度拟合。

希望这可以帮助。希望有人可以过来并更深入地解释这一点。