R² 量化了模型对数据的拟合程度。在比较模型时，参数更多的模型可以进行更多调整以更贴近数据点，因此其 R² 值几乎总是更高。这多少有些误导性。

调整后的R²考虑了回归拟合的参数数量，因此可以用于比较参数数量不同的模型。此处对比了常规R²和调整后R²的计算公式（SSresiduals是曲线Y值与数据之间偏差的平方和； SStotal 是总体 Y 均值与每个 Y 值之间差异的平方和；n 是数据点数量，K 是拟合参数的数量）：

当参数个数（K）大于 1 时，调整后的 R² 值总是小于普通 R² 值。

使用调整后的R²来比较不同模型的拟合优度，虽然优于使用R²（后者绝不应使用），但仍不如使用额外平方和F检验或Prism内置的AICc方法。