regr_r2：确定系数

速查结论

regr_r2(y, x) 是 Spark SQL 中用于**计算线性回归的确定系数（R-squared）**的聚合函数。

语法

regr_r2(y, x)

参数说明

参数	说明
y	因变量（dependent variable），数值类型
x	自变量（independent variable），数值类型

函数返回确定系数 R-squared，衡量回归模型对数据的拟合优度。取值范围通常为 [0, 1]，值越接近 1 表示拟合越好。

示例

> SELECT regr_r2(y, x) FROM VALUES (1, 2), (2, 2), (2, 3), (2, 4) AS tab(y, x);
 0.2727272727272727
> SELECT regr_r2(y, x) FROM VALUES (1, null) AS tab(y, x);
 NULL
> SELECT regr_r2(y, x) FROM VALUES (null, 1) AS tab(y, x);
 NULL
> SELECT regr_r2(y, x) FROM VALUES (1, 2), (2, null), (2, 3), (2, 4) AS tab(y, x);
 0.7500000000000001
> SELECT regr_r2(y, x) FROM VALUES (1, 2), (2, null), (null, 3), (2, 4) AS tab(y, x);
 1.0

常见报错与避坑指南

• R-squared 为 1.0 不一定表示完美：当有效数据对为 2 时，回归线必然完美穿过这两点，R-squared 恒为 1.0，属统计假象。
• 浮点精度问题：由于浮点运算，返回值可能出现微小误差（如 0.7500000000000001），实际对比时建议使用一定容差。

Since: 3.3.0

📱关注公众号

「数据仓库技术」文章同步更新，不错过每一篇干货

💬加群交流

备注「数据仓库技术」加入社群，每日一道大厂SQL真题