Prism 提供了多种拟合优度指标，可用于简单逻辑回归的报告。其中三项（Tjur 的 R 平方、Cox-Snell 的 R 平方和模型偏差）会在简单逻辑回归结果的“拟合优度”部分中显示，下文将对此进行简要讨论。 简单逻辑回归对话框的“拟合优度”部分还提供第四个选项 - 似然比检验，本文将对此进行说明，该结果将在简单逻辑回归结果表的独立章节中呈现。

Tjur 的 R 平方

Tjur’s R² 是为逻辑回归开发的一系列指标之一，这些指标统称为“伪R平方”值。如果您熟悉线性回归，过去可能已经接触过 R² 的概念。必须理解的是，逻辑回归的这些伪R平方值与线性回归的 R² 并不相同（阅读更多关于线性回归 R² 的内容）。

Tjur 的 R 平方是逻辑回归中较易理解和解读的伪R平方值之一：计算所有 Y 值为 0 的行所对应的平均预测概率，以及所有 Y 值为 1 的行所对应的平均预测概率，然后计算这两个值之间差值的绝对值。换言之：

Tjur 的 R² = |0 时的平均预测值 – 1 时的平均预测值|

对于良好的模型，0 的平均值应接近零，1 的平均值应接近一。因此，与线性回归的 R² 类似，该值介于 0 到 1 之间，数值越接近 1 表明模型与数据的拟合优度越高。

Cox-Snell R²

Cox-Snell R² 有时被称为“广义 R²”，但它只是另一种伪R平方，旨在提供模型拟合给定数据程度的参考。 Cox-Snell R²的计算比Tjur R²更为复杂，其解读同样如此。然而，这是其他统计软件包中常见的指标，Prism提供该指标是为了便于与其他地方计算的结果进行比较。您可以在此处阅读更多关于Cox-Snell R²计算方法的详细信息。

模型偏差

模型偏差（Model Deviance）是一种用于评估给定模型与输入数据拟合程度的指标。偏差值基于另一项称为似然（或对数似然）的指标进行计算。这些值的计算与解读可能较为复杂，但若您感兴趣，本指南中关于多元逻辑回归的部分提供了计算逻辑回归模型偏差、似然及对数似然的方法。