El coeficiente de determinación, un concepto de estadística también llamado R cuadrado (ó R²), representa la proporción de varianza total de la variable que explica la regresión. En otras palabras, dicho término trata de explicar la bondad del ajuste de un modelo a la variable que pretende analizar.

Este coeficiente puede ofrecer valores entre 0 y 1. Si el resultado es 1 o cercano a 1, podemos indicar que el modelo y la variable que queremos explicar se ajustan mucho. Por el contrario, si se acerca más a 0, el modelo se ajustará menos (además de ser menos fiable).

¿Cómo se interpreta el coeficiente de determinación?

Para la interpretación de dicho coeficiente de determinación hay que tener en cuenta las variables que se están tomando como referencia en el modelo. Normalmente, la estimación que se suele tener como referencia es creciente o  decreciente a un nivel lento o rápido, dependiendo de lo que se esté midiendo.

En cualquier caso, se pretende medir la distancia que existe entre los puntos de la gráfica (que determinarán las diferentes observaciones que se encuentran sobre un determinado experimento) en relación a esa estimación realizada (que como decimos puede ser positiva -creciente- o negativa -decreciente-).

A la hora de interpretar el resultado, como ya hemos indicado, suele oscilar entre 0 y 1. Si por ejemplo tenemos un coeficiente de 0’9 podemos decir que el modelo tiene unas estimaciones (o puntos que en la gráfica) que se ajustan bien a la variable real o que se ha tomado como referencia (la estimación). Además, aunque no sería del todo correcto decirlo, podemos indicar que el modelo explica el 90% de la variable real que se ha tomado como referencia.

Como inconveniente principal debemos de tener en consideración que este modelo no tiene en cuenta que se incluyen variables explicativas que tienen poco que ver con el modelo o la variable a explicar.