R平方是多元线性回归的有用指标，但在逻辑回归中并无相同含义。统计学家已针对多元逻辑回归提出了各种类似的R平方，其统称之为“伪R平方”。由于这些不只是模型解释的方差比例，因此其没有相同的解读。

事实上，无法将任何特定伪R平方值的大小用于比较跨数据集。取而代之的是，这些伪R平方值的主要用途是比较拟合至同一数据集的多个模型。并不存在一个确定的“最佳”伪R平方，故Prism提供四种不同的伪R平方以供选择。提供了有关如何计算这些伪R平方值的更多信息。

Tjur R平方

这是需要解释的最简单的伪R平方值之一。从模型中找出每个因变量输入值的预测概率。对于每个因变量类别（0和1），找出平均预测概率，然后找到这两个平均值之差的绝对值，此值为Tjur的R平方。

McFadden的R平方

该值使用指定模型的对数似然比和相应的“仅截距”模型（Prism可报告的值）并确定其比率。然后从1中减去该比率，以确定报告值。一个较小的比率（因此最终值接近于1）可表明指定模型优于仅截距模型。

Cox-Snell的R平方（“广义”R平方）

Cox-Snell的R平方使用了似然比（与对数似然比相反），因此需要一些额外的数学操作来计算该值。与此处其他伪R平方值不同，Cox-Snell的R平方的最大值小于1。然而，该值通常由其他软件报告，因此此处提供一个选项。

Nagelkerke的R平方

该伪R平方与Cox-Snell的R平方非常相似。主要区别为，其可调整Cox-Snell的R平方，使其最大值为1。这是通过将Cox-Snell的R平方除以其最大可能值来实现。