系数和R²的取值范围不一样。回归系数能正能负，数值大小看变量关系；R²只能0到1，越接近1说明模型越准。比如系数可能从-5到+10，R²固定在0.3到0.95之间。

回归系数没上限没下限，因为它是变量变化的倍数关系。比如身高和体重，系数可能正也可能负，但具体数值要看数据量。假设用100人数据算回归，系数是0.8；用10人数据可能变成1.5，甚至-0.3。这就像用不同量杯量水，结果会波动。而R²是解释力指标，公式是（总差平方-剩余差平方）/总差平方，分子永远小于等于分母，所以结果只能是0到1。比如模型预测误差比随机预测小，R²就超过0.5；如果误差和随机一样，R²就是0；如果模型更差，R²反而会变成负数？等等这里好像有问题，应该是R²不会低于0才对。可能刚才说错了，R²最低是0，最高1，负数说明模型不如随机猜测。比如用R²=-0.2，说明模型预测结果比随便猜还差，这时候应该重新建模。所以R²的取值范围严格限制在0到1之间，而系数受数据分布影响，可能正负无穷。