拟合度通常通过一个统计量来衡量，这个统计量称为确定系数（coefficient of determination），通常用符号 \（ R^2 \） 表示。它表示模型对数据的拟合程度，即模型预测值与实际观测值之间的差异。
确定系数的计算公式如下：
\[ R^2 = 1 - \frac{残差平方和}{总平方和} \]
其中：
残差平方和 （RSS）是实际观测值与回归模型预测值之间差异的平方和。
总平方和 （TSS）是实际观测值与观测值均值之间差异的平方和。
一个 \（ R^2 \） 的值越接近于1，表示模型的拟合度越好。如果 \（ R^2 \） 的值为0，则表示模型没有解释任何变异；而接近于1则表示模型解释了大部分变异。
在Excel中，可以使用 `RSQ` 函数来计算 \（ R^2 \），其基本语法为 `=RSQ（x范围， y范围）`，其中 `x范围` 和 `y范围` 分别代表样本中的自变量和因变量数据范围。
需要注意的是，虽然 \（ R^2 \） 是一个常用的拟合度指标，但它并不是唯一的评价指标。在选择模型时，还应考虑其他因素，如模型的复杂性、样本量、分布的均匀性等