一般线性回归看似简单，有时并非想像中那么简单。你会发现，无截距线性回归的R²和F值总是高于有截距线性回归，换种说法，同一数据集，使用无截距线性回归的拟合度均高于截距线性回归。但是，无截距拟合直线的误差平方和却高于截距拟合直接。也就是说，无截距直线的拟合度高，误差反而高。如何会出现这种情况？

问题的关键在于平方和计算方法。这些解释可以参考下面的网页，笔者在这里不详述。

Why are R² and F so large for models without a constant?

从上面可知，线性回归是否保留截距主要取决于本学科专业知识，而非纯粹统计知识。但有时候，回归模型是数据驱动的或纯经验性的，这时是否保留截距就不好确定。从这里也获得一条信息，决定系数不是表示拟合度的最佳指标，有时会欺骗我们。在考虑决定系数的同时，再看看RMSE、残差等指标来判断拟合度可能更好点。