współczynnik determinacji (R2) służy do oceny dobroci dopasowania w modelu regresji liniowej. Jest to kwadrat wielokrotnego współczynnika korelacji między zmiennymi badanymi i objaśniającymi w oparciu o wartości próbki. Daje prawidłowe wyniki tylko wtedy, gdy obserwacje są prawidłowo obserwowane bez żadnego błędu pomiarowego. Konwencjonalny R2 zapewnia nieprawidłowe wyniki w obecności błędów pomiarowych w danych, ponieważ próbka R2 staje się niespójnym estymatorem jego odpowiednika populacyjnego, który jest kwadratem współczynnika korelacji wielokrotnej populacji między zmiennymi badanymi i objaśniającymi. W niniejszym artykule zaproponowano przydatność statystyk dopasowania opartych na wariantach R2 dla modeli wielokrotnych błędów pomiarowych. Warianty te opierają się na wykorzystaniu dwóch form dodatkowych informacji spoza próbki. Dwie postaci to znana macierz kowariancji błędów pomiarowych związanych ze zmiennymi objaśniającymi oraz znana macierz niezawodności związana ze zmiennymi objaśniającymi. Asymptotyczne właściwości konwencjonalnego R2 i proponowane warianty R2, takie jak dobroć statystyki dopasowania, zostały zbadane analitycznie i numerycznie.