Abelson (1985)发表在《心理学公报》上的一篇题为“方差解释悖论：少即是多”的论文解决了（部分）这个问题。特别是，Abelson 表明，二分变量和连续变量之间共享的方差比例可能非常小，即使直觉决定了非常大的（他使用棒球击球手是否会击球的例子） ，作为击球手平均击球率的函数——产生高达）。$R^2$$R^2 < .001$

Abelson 继续解释说，即使如此微小的也可能是有意义的，只要所研究的效果能够随着时间的推移而显现出来。$R^2$

PS：几个月前，我用这篇论文回应了一位对我们的低不满意的审稿人，它达到了目标——我们的论文现在正在印刷中 :)$R^2$

• 参考：阿贝尔森，RP (1985)。一个方差解释悖论：一点就是很多。心理公报，97，129-133。

一个挥舞着手臂的论点却有很大的影响力是倒退的。完美的预测意味着什么？例如，这意味着我们可以通过知道学生的年龄、性别、种族、班级等来准确预测学生的表现。但我们知道这是荒谬的；它与我们在社会科学中所知道的许多其他知识相矛盾，更不用说日常生活了。此外，尽管这是一个不同的问题：我们中的许多人都不想生活在这样一个世界里。

我觉得你的问题有点模糊，这可能取决于你想在社会科学或教育研究中做什么。但更一般地说，就像每个指标一样，有利于检查它旨在检查的内容，而对其余的则不利。$R^2$

准确地说，可以定义为，这样它就可以解释你的模型可以解释多少数据，如何井数据符合统计模型。$R^2$$R^2 = \frac{SSE}{SST} = 1 - \frac{SSR}{SST}$

• 它最重要的领域是你想要做预测的时候：如果你想预测你的结果，你的模型有必要解释几乎所有的数据。

• 相反，如果您对一个变量/参数的影响感兴趣（通常是这种情况） ，您根本不关心，您只关心您的影响是否显着，例如假设需要验证。$R^2$

我没有确切的参考，但任何介绍性计量经济学教科书都会有一个章节或章节（例如，主要是无害的计量经济学或 Wooldridge 的介绍计量经济学：一种现代方法）。

Abelson 的观点可以概括为：如果重复次数足够多，不可能的事情就会变成可能的。

进化是建立在这个原则之上的：突变不可能对突变体有利。但是，在足够多的突变的情况下，很可能少数是有利的。通过选择和后代，后来不可能的事情在人群中变得可能。

在这两种情况下，都有一种选择机制使成功具有决定性，而失败不是灾难（至少对物种而言）。

Jesper Juul 关于游戏的书《失败的艺术》为 Abelson 的考虑增加了另一个维度。Juul 的观点是，玩永不松懈的游戏并不令人着迷。实际上，必须在技能和失败/成功的频率之间取得平衡，然后才能变得有吸引力并提高你的表现。

游戏和培训确保失败不是灾难，然后选择机制有效，低 R2 值没有问题，甚至可能更可取。相反，当失败是一场灾难时，高 R2 值非常重要。

更一般地说，当事件改变游戏规则时，R2 值很重要。此外，改变游戏规则的事件通常不能简化为二元性，失败/成功：可能的结果是多重的，并且具有多重影响。在这种情况下，结果具有历史/传记显着性。

如果事件是历史性的并且以前从未发生过，那么估计 R2 基本上是不可能的，即使一些分析描述可能会减少随机性，因为历史在某种程度上可能类似于它自己。简而言之，您可能会体验到小型 R2 和改变游戏规则的事件的结合。...嗯，这就是生活，有时;-)