Prism 为简单逻辑回归提供了一系列拟合优度指标。其中三个指标（Tjur's R 平方、Cox-Snell's R 平方和模型偏差）在简单逻辑回归结果的拟合优度部分进行了报告，并在下文中进行了简要讨论。在简单逻辑回归对话框的拟合优度部分提供的第四个选项是似然比检验，这里将对其进行描述，并在简单逻辑回归结果表的独立部分进行报告。

Tjur R 平方

Tjur's R 平方是为逻辑回归开发的一系列指标之一，统称为 "伪 R 平方 "值。如果您熟悉线性回归，您可能在过去遇到过 R 平方的概念。关键是要明白，逻辑回归的这些伪 R 平方值与线性回归的 R 平方值并不相同（请阅读有关线性回归 R 平方值的更多信息）。

特茹尔 R 平方是逻辑回归的伪 R 平方值中比较容易理解和解读的一个：找出所有输入 Y 为 0 的行的平均预测概率和所有输入 Y 为 1 的行的平均预测概率，然后找出这两个值之差的绝对值。换句话说，就是

特茹尔 R 平方 = |0 的平均预测值 -1 的平均预测值

对于好的模型，您会期望 0 的平均值接近零，而 1 的平均值接近一。因此，与线性回归的 R 平方一样，这将是一个介于 0 和 1 之间的值，而更接近 1 的值表示模型与数据的拟合值更好。

考克斯-斯内尔 R 平方

Cox-Snell's R 平方有时也被称为 "广义 R 平方"，但它只是另一个伪 R 平方，旨在提供一个模型与给定数据拟合程度的概念。Cox-Snell's R 平方的计算比 Tjur's R 平方更复杂，其解读也更复杂。不过，这是其他统计计算软件包的常用指标，Prism 提供该指标是为了与其他软件计算的结果进行比较。有关Cox-Snell R 平方计算方法的更多信息，请点击此处。

模型偏差

模型偏差是一个指标，可用于评估给定模型与输入数据的拟合程度。偏差的计算基于另一个指标，即似然（或对数似然）。这些值的计算和解读可能有些复杂，但本指南的多重逻辑回归部分提供了计算逻辑回归的模型偏差、似然比和对数似然比的方法，有兴趣的读者可以参考。