R² 是多元线性回归中一个有用的指标，但在逻辑回归中却有着不同的含义。统计学家们为多元逻辑回归设计了多种 R² 的替代指标，统称为“伪R平方”。这些指标的解释与 R² 不同，因为它们并非仅仅表示模型解释的方差比例。

事实上，任何特定的伪R平方值的大小都无法用于跨数据集进行比较。相反，这些伪R平方值的主要用途是用于比较拟合于同一数据集的多个模型。并没有一个明确的“最佳”伪R平方值，Prism提供了四种不同的伪R平方值供用户选择。文中还提供了关于这些伪R平方值计算方法的更多信息。

Tjur’s R²

这是最容易解释的伪R平方值之一。针对因变量的每个输入值，从模型中获取预测概率。对于因变量的每个类别（0和1），计算其预测概率的平均值。然后，计算这两个平均值之间差值的绝对值。该值即为Tjur’s R平方。

McFadden’s R²

该值利用指定模型与对应“仅截距模型”（Prism可报告的数值）的对数似然值，并计算两者的比值。随后将该比值从1中减去，即得到报告值。较小的比值（即最终值接近1）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 R² 使用似然值（而非对数似然值），因此需要进行一些额外的数学运算才能计算出该值。与这里列出的其他伪R平方值不同，Cox-Snell R² 的最大值小于 1。然而，该值常被其他软件报告，因此在此作为选项提供。

纳格尔克尔克 R²

该伪R平方与Cox-Snell R²非常相似。主要区别在于，它对Cox-Snell R²进行了调整，使其最大值为1。具体做法是将Cox-Snell R²除以其可能的最大值。