Der Bestimmungskoeffizient (R2) wird zur Beurteilung der Anpassungsgüte in einem linearen Regressionsmodell verwendet. Es ist das Quadrat des multiplen Korrelationskoeffizienten zwischen der Studie und erklärenden Variablen basierend auf den Stichprobenwerten. Es gibt nur dann gültige Ergebnisse, wenn die Beobachtungen ohne Messfehler korrekt beobachtet werden. Die herkömmliche R2 liefert ungültige Ergebnisse bei Vorhandensein von Messfehlern in den Daten, da die Stichprobe R2 zu einem inkonsistenten Schätzer ihres Populationsgegenstücks wird, das das Quadrat des multiplen Korrelationskoeffizienten der Population zwischen der Studie und erklärenden Variablen ist. Die Güte der Anpassungsstatistik basierend auf den Varianten von R2 für mehrere Messfehlermodelle wurde in diesem Papier vorgeschlagen. Diese Varianten basieren auf der Verwendung der beiden Formen zusätzlicher Informationen von außerhalb der Stichprobe. Die beiden Formen sind die bekannte Kovarianzmatrix von Messfehlern, die den erklärenden Variablen zugeordnet sind, und die bekannte Zuverlässigkeitsmatrix, die den erklärenden Variablen zugeordnet ist. Die asymptotischen Eigenschaften des konventionellen R2 und die vorgeschlagenen Varianten von R2 wie die Güte der Anpassungsstatistik wurden analytisch und numerisch untersucht.