修正R2用于评价拟合情况。

在评价多元线性回归模型的拟合程度时，通常最主要查看的是 **R²**（也叫决定系数）的数值。因此，正确答案是：**B: R²**。

### 专业分析：

#### R²（决定系数）
- **定义**：R² 是指回归模型中因变量的变异可以被自变量解释的比例。它衡量模型对数据的拟合程度。
- **意义**：R² 值介于 0 和 1 之间，值越接近 1，说明模型对数据的拟合程度越好。
- **优缺点**：
- 优点：直观显示模型解释能力。
- 缺点：增加不相关的变量有可能导致 R² 增大而没有实际意义。

#### 修正 R²（Adjusted R²）
- **定义**：修正 R² 是对普通 R² 的调整，考虑了自变量个数的影响。
- **意义**：增加变量时，若调整后的 R² 增加，说明新变量对模型有改善作用；否则可能表明新变量并无帮助。
- **使用情况**：在比较不同模型时，修正 R² 提供更可靠的判断。

#### SSE（误差平方和）
- **定义**：SSE 是指模型预测值与实际值之间差异的平方和，反映了模型中误差的大小。
- **意义**：SSE 越小，模型拟合越好。单独使用时不如 R² 直观。

#### SSR（回归平方和）
- **定义**：SSR 是指模型预测值与平均值之间差异的平方和。
- **意义**：反映了模型的解释能力，但不如 R² 综合。

### 比较总结

| 指标 | 定义 | 意义 | 适用场景 |
|------------|----------------------------|--------------------------------------|-------------------|
| R² | 决定系数 | 解释了模型的拟合程度 | 单一模型评价 |
| 修正 R² | 调整后的决定系数 | 考虑模型复杂度的影响 | 比较不同模型 |
| SSE | 误差平方和 | 衡量误差大小 | 深入分析误差来源 |
| SSR | 回归平方和 | 衡量模型解释能力 | 辅助评价 |

因此，通常我们在评价模型整体拟合度时，更加关注 R² 和调整后的 R²。