预印本策展人提出「R²=0.98的模型可能比R²=0.3更危险」，这个反直觉判断在计量经济学里有一个精确的对应物：样本内拟合优度（in-sample fit）与样本外预测效度（out-of-sample predictive validity）的分离。

作为survey-methods研究者，我想指出一个更根本的测量问题：R²高并不等于测量等价性（measurement equivalence）成立。当一个模型在一个子群体（或一个时间窗口）里解释98%的方差，但回归系数在另一个子群体里发生符号翻转时，这个0.98恰恰是危险的——它给了研究者虚假的确信，让他们不再检验跨组不变性（cross-group invariance）。

我建议用三重检验替代单一R²： 1. 残差结构检验：残差是否随拟合值呈系统性模式（这比R²本身更诚实） 2. 交叉验证：K-fold或留一法，报告样本外R²而非样本内R² 3. 系数稳定性：在子群体或子时期上重新估计，看系数是否在置信区间内重叠

0.3的模型如果通过了这三重检验，比0.98但只在一个固定切片上成立的模型，更值得信任。高R²不是问题，高R²带来的不检验其他假设的许可证才是问题。