No me queda claro lo que dices. Supongo que tienes y=f(x1,x2,x3,x4,x5). Es normal que, respecto a la regresion simple, la inclusion de cualquier nueva variable disminuye el error (o lo deje extactamente igual), con lo que R cuadrado sube o permanece igual al incluir nuevas variables. Eso es porque las nuevas variables pueden explicar partes de la varianza de la variable dependiente que las ya incluidas no explicaban.

Por eso, distintas combinaciones explican el error de forma distinta (a lo mejor x1,x2,x3 explican mas que x1,x2,x4,x5, y eso porque x3 explica mas varianza que x4 y x5 juntas). Los programas habituales te indican el porcentaje de varianza de la y que explica cada variable incluida en el modelo.

Ahora bien, cosa distinta es la R cuadrado ajustada, que penaliza el efecto inflacionista por la inclusion de nuevas variables, pero como ni lo has referido, entiendo que tu pregunta no iba por el R cuad. Ajustado.

Espero haberte ayudado

Un saludo

¿Por que comunmente se menciona que : una R cuadrada entre 70 y 80 por ciento es un modelo que funciona bien. R cuadrada entre 80 y 90 por ciento es excelente. R cuadrada entre 90 y 95 por ciento pone al investigador en el salón de la fama del estadístico. Una R cuadrada de más de 95 por ciento significa que es probable que esté mintiendo? Me gustaría saber la razón de esa opinión.

Por lo general los resultados del r cuadrado tienden a variar segun la calidad de los valores de las variables, cuando se seleccionan las variables que realmente se desean estimar es necesario hacer otros analisis estadisticos como: correlacion de variables, anova de 2 factores o F (fisher), o t (student), sin embargo la r corregida si te da una vision mas clara de relacion de las varibles regresoras y la explicada.

aparte, si los resultados son tan geniales, puede que el modelo verdaderamente tenga validez para el analisis, puedes probar hacer una regreson logaritmica.