回归分析拟合度过低的原因受样本数量的影响吗

不一定，多种影响都会。

几种情况如下：

1、离群值的存在，或者异常值的存在。

2、数据本身是适合于曲线回归，不适合线性回归。总的来说，如果两个变量或多个变量之间相关系数本身不高，或者线性相关比较弱，就会有这样的情况。

拟合的方法不适合导致的。

1、打开相关窗口、在Graphs那里选择Scatter/Dot。

2、下一步进入Properties页面、需要根据实际情况确定拟合项。

3、这样一来等得到对应的效果图以后，即可达到目的了。

不要太看重拟合优度，计量方程的经济学含义远远比统计学意义重要。只要经济学含义是正确的，我们还是认为低拟合优度还是说明了问题。当然，你也可以通过修正异方差、自相关或者取对数、重新设定模型等方式改进模型。

计量分析中不可以随便添加变量，虽然拟合优度增加了，但是调整的拟合优度却可能下降，而且可能产生多重共线的问题。

在含有时间趋势的变量序列中，使用OLS估计一般都有很大的拟合优度，但是很可能存在伪回归的问题。利用协整的方法估计时一般拟合优度要变小，用误差纠正模型估计可能变的更小，然而这两种方法却更正确。我曾经在一篇大概是经济研究杂志上看见过误差纠正模型0.15的拟合优度。一般取对数，然后取差分后的数据是平稳的，但是计量模型的拟合优度会下降。在ARCH模型簇中，拟合优度都特别小，甚至是负数。

回归分为解释型回归和预测型回归。如果你主要是做解释，那么不必太在意R^2，多在意关注变量的显著性和模型整体的显著性。R^2这时小只是表明还遗漏了其它一些对因变量有影响的变量，一般条件下是假定这些遗漏的变量是严格外生的（虽然无法证明，但大家通用）；若用于预测，那R^2就重要了。这时，它表示自变量对因变量变异的解释程度。

---