廣義線性模型可計算數個評估量值，協助您評估模型配適資料的程度。在模型窗格的頂端可取得這些評估量值。按一下目前顯示的評估量值，可查看所有可用的評估量值。可用的評估量值如下：
-2 對數概度
概度函數可估計觀測樣本 (已提供所有可能的參數值) 的機率。對數概度只是概度函數的對數。此值為 -2 乘以對數概度。偏好使用較小的值。
AIC
Akaike 資訊準則。較小值表示較佳的模型。只有在兩個模型有接近相等的觀測數目時，才應比較 AIC 值。AIC 值可變成負數。AIC 是以回應變數的真實分配與模型指定的分配之差異的
Kullback-Leibler 資訊量值為基準。
AICC
已更正的 Akaike 資訊準則。此版本的 AIC 會調整此值以考量比較小的樣本大小。結果是額外效果會懲罰 AICC (超過 AIC)。隨著樣本大小增加，AICC
和 AIC 都會收斂。
BIC
貝氏資訊準則 (BIC) (也稱為 Schwarz 貝氏準則 (SBC)) 是模型殘差平方和與效果數目的遞增函數。回應變數中的不明變異和效果數目會使 BIC 值提高。因此，較低的
BIC 意指較少的解釋變數、配適更佳或兩者。BIC 會懲罰可用參數 (比 AIC 更強烈)。