在评价多元线性回归模型拟合程度时，我们主要查看的是 **A: R方** 和 **B: 修正R方**。

### 专业分析：

- **R方 (R²)：**
- **定义**：R方是决定系数，用于衡量自变量对于因变量的解释程度，表示模型能够解释的总变异的比例。
- **用途**：高R方值意味着模型较好地拟合了数据（即模型可以解释大部分的数据变异）。
- **局限性**：增加自变量可能会使R方值上升，即使这些新加的变量对模型并无实际贡献。

- **修正R方 (Adjusted R²)：**
- **定义**：调整后的决定系数，考虑了自变量数量对R方的影响，提供了对模型拟合程度的更公正评估。
- **用途**：它调整了模型中自变量的数目，只有在新变量引入时增加了模型的效果，修正R方才会上升。
- **重要性**：修正R方是用于比较不同模型的可靠指标，尤其是在变量个数不同的情况下。

- **F值 (F-statistic)：**
- **定义**：用于检验模型整体显著性，即至少一个自变量对因变量有显著影响。
- **用途**：F值通过检验回归模型和截距模型的差异来检测整体效果，其p值用于判断模型是否有统计学显著性。

- **t值 (t-statistic)：**
- **定义**：用于判定单个自变量在模型中是否有显著性。
- **用途**：每个自变量对应一个t值和p值，用于单独测试该变量相对于因变量的显著性。

### 结论：
在评估多元线性回归模型的拟合程度时，R方和修正R方是首选指标。它们提供了对模型解释能力的直接量化，而F值和t值则侧重于模型和变量显著性的统计检验。