拟合优度是统计学中用于衡量我们的经验模型与实际数据之间拟合程度的一个重要指标。通常表示为R方，R²或rho-squared等符号。拟合优度越高，表示我们的经验模型与实际数据之间拟合越好，反之则拟合程度越差。
拟合优度的计算方法有很多种，最常用的是OLS（ordinary least squares）回归，即最小二乘法回归，也是最简单、最直观的方法。
最小二乘法的核心思想是将实际数据中的坐标点与回归线的距离之和最小化，从而求得回归方程的系数，并计算出拟合优度。一般情况下，R方的范围在0~1之间，越接近1代表拟合程度越高，越接近0则表示拟合程度越差。
除了OLS回归，还有很多其他的拟合优度计算方法，比如广义线性回归（GLM）、广义加性模型（GAM）、混合效应模型（MEM）等。这些方法各有优缺点，选择合适的方法需要根据具体问题与数据特征来定。
