Logistic 回归模型计算多个评估测度，以帮助您评估模型与数据的拟合情况。这些评估测度位于模型窗格的顶部。点击当前显示的评估测度可查看所有可用的评估测度。
-2 对数似然
似然函数评估给定所有可能参数值的情况下观测抽样的概率。简单来说，对数似然就是似然函数的对数。似然函数值是 -2 乘以对数似然。倾向于采用较小的值。
AIC
Akaike 信息准则。值越小，表示模型越好，并且 AIC 值可以变为负数。AIC 基于响应变量的实际分布与模型指定的分布之间差异的 Kullback-Leibler
信息测度。
AICC
修正的 Akaike 信息准则。此版 AIC 会调整值以考虑抽样规模。结果是，额外的效应对 AICC 的惩罚比对 AIC 更严厉。随着抽样规模的扩大，AICC 和
AIC 逐渐收敛。
BIC
Bayesian 信息准则 (BIC) 又称 Schwarz Bayesian 准则 (SBC)，是模型的残差平方和与效应数量的递增函数。响应变量和效应数量中的不可解释变异会增加
BIC 的值。因此，BIC 越低，表示解释变量越少和/或拟合越好。BIC 对自由参数的惩罚对 AIC 更严格。
R 方
“R 方”值指示模型与数据的拟合情况。“R 方”值的范围从 0 到 1。倾向于采用更接近 1 的值。
最大重新调节 R 方
观测的“R 方”值除以可获取的最大“R 方”值。当存在多个独立的类别变量时，该值非常有用。值的范围从 0 到 1。倾向于采用更接近 1 的值。