Prism 可以通过四种方式计算泊松分布的拟合优度，这些方式可在“诊断”选项卡中选择。

伪R平方  

对于Poisson回归模型，无法计算 R²。因此，Prism 会报告伪 R²。您可以像解读常规 R² 一样来解读它。这是最易于理解的拟合优度指标，因此我们推荐使用它。

伪 R² 是根据三个模型的对数似然值计算得出的：LLo，即水平线模型的对数似然值； LLfit，即您所选模型的对数似然值；以及 LLmax，即可能达到的最大对数似然值，该值出现在实际响应值与预测响应值完全相同时，此时曲线通过每个数据点，且所有残差均等于 0.0。计算伪 R² 的公式为：

 R² = (LLfit - LLo) / (LLmax - LLo)

负对数似然

最小二乘回归旨在最小化平方和，Prism 会报告该结果。Poisson回归则旨在最大化似然函数的负对数，Prism 也可报告该结果。

偏差或 G²

模型偏差是最大可能对数似然值（见上文）与拟合模型对数似然值之间差值的两倍。模型偏差的计算公式为 D=2(LLmax - LLfit)。这也被称为 G2。

离散比

当数据来自泊松分布时，方差等于均值。Prism 可以报告方差与均值的比值（VMR），即离散比。Prism 通过参数 φ 来报告过分散的程度。 如果 phi 远大于 1.0，则曲线周围数据点的实际方差大于均值，Poisson回归可能不适用。这被称为过度分散。有些程序提供了Poisson回归的扩展功能来处理过度分散，但 Prism 没有（如果您需要此功能，请告知我们）。

AICc

AICc 仅在您将同一组数据分别拟合到三个或更多模型时才有意义。此时，您可以使用 AICc 在这些模型之间进行选择。但请注意，只有当不同拟合结果之间的唯一区别在于所选模型时，比较 AICc 值才有意义。 如果各拟合结果的数据不完全相同，那么任何 AICc 值的比较都将毫无意义。此外，所有拟合的加权方式（或回归方法）必须保持一致。如果您在一次拟合中使用了Poisson回归，则所有拟合都必须使用该方法。