判决系数（也叫可决系数或决定系数）是线性回归中用来度量因变量变异中可由自变量解释部分所占比例的统计量。它等于回归平方和与总离差平方和之比，其数值等于相关系数的平方。
在简单线性回归中，判决系数可以表示为：
r^2 = ∑(^Yi - Y)^2 / ∑(Yi - Y)^2
其中，^Yi是样本回归线上的观测值，Y是样本观测值的平均值，∑是总和，^2是平方。
然而，在加入其他回归自变量后，决定系数相应地变为多重相关系数的平方。
需要注意的是，判决系数只是说明列入模型的所有解释变量对因变量的联合影响程度，不说明模型中单个解释变量的影响程度。同时，没有明确的界限来衡量一个判决系数是好还是坏，一般需要根据具体的情况进行判断。如果建模的目的是预测因变量值，一般需要追求较高的的判决系数。然而，如果建模的目的是结构分析，就不能只追求高的判决系数，而是要得到总体回归系数的可信任的估计量。
