Kvadratet af korrelationskoefficienten (r², om end ofte symboliseret som R²) har en særlig fortolkning.

Kendt som determinantkoefficienten, er r² den andel af den samlede variation af y, der kan forklares med variationen af x.

Hvad betyder dette? Det er klart, at som y ændres, ændres x også; det vil sige, som x bevæger sig væk fra sit eget gennemsnit, bevæger y sig væk fra sit eget gennemsnit. Hvis r² er 1,0, så forklarer variationen af x 100% af variationen af y og alle datapunkter ligger på regressionslinjen. Men hvis r² for eksempel er 0,86, så forklarer variationen af x kun 86% var variationen af y og datapunkterne falder ikke alle nøjagtigt på regressionslinjen. De resterende 14% af variationen af y tegner kendte eller ukendte faktorer sig for; med andre ord, flytter faktorer andre end variationen af x den faktiske y-værdi væk fra regressionslinjen.

Dette fører til en anden tolkning af r². Hvis der ikke var nogen korrelation overhovedet, ville forudsigelse af y-værdien ud fra x-værdien ikke være bedre end blot at citere gennemsnittet af y-værdierne. Hvis korrelationen var perfekt, ville der derimod følge tre konklusioner: (1) r² ville være lig med 1, (2) variationen af x ville forklare alle variationerne af y og (3) brug af regressionslinjen til forudsigelse af y-værdier ud fra x-værdier, ville have 100% mindre fejl, end blot at citerer gennemsnittet af y-værdierne. Derfor kan r² betragtes som den forholdsmæssige nedsættelse af fejl, der fremkommer af at bruge regressionslinjen til at forudsige y-værdier fremfor at bruge gennemsnittet. En r² på 0,81 betyder ikke blot at variationen af x står for 81% af variationen i står for 81% af variationen af y, men også at fejlen i forudsigelser af y-værdier ud fra regressionslinjen er 81% mindre end det ville være at forudsige y-værdier ud fra gennemsnittet.