拟合汇总
“拟合汇总”报表提供 R 方计算以及 AICc 和 BIC 值之类的详细信息。
R 方
估计由模型而非随机误差解释的响应变量的变异的比例。使用相应的“方差分析”表中的量，R 方（亦称多重判定系数）计算如下：
与 R 方越接近 0 相比，R 方越接近 1 表示数据拟合效果更好。R 方接近 0 表示与响应均值相比，该模型并不是更好的响应预测变量。
注意：较低的 R 方值表明可能有一些模型中不包含的变量可以解释尚未解释的变异。不过，如果数据受大量的内在变异影响，即便是有用的回归模型也可能具有较低的 R 方值。阅读您的研究领域中的文献材料，了解有关典型 R 方值的信息。
调整 R 方
针对模型中的参数数目调整 R 方统计量。调整 R 方有利于包含不同数目参数的模型间进行比较。计算中使用自由度。使用相应“方差分析”表中的量，调整 R 方计算如下：
均方根误差
估计随机误差的标准差。该数量是“方差分析”报表中“误差均方”的平方根。
注意：均方根误差通常称为 RMSE。
响应均值
显示响应值的总均值。
观测数（或权重和）
显示模型中使用的观测数。
‒ 在以下条件下该值与数据表中的行数相同：没有缺失值、没有排除行，没有为任何列分配“权重”或“频数”角色。
‒ 该值是在为某列分配了“权重”角色时，“权重”列中正值的总和。
‒ 该值是在为某列分配了“频数”角色时，“频数”列中正值的总和。
AICc
（仅当您在“回归报表”菜单中选定了“AICc”选项或将“AICc”设置为“拟合最小二乘法”首选项时才显示。）显示校正的“Akaike 信息准则”值 (AICc)。请参见似然、AICc 和 BIC。
BIC
（仅当您在“回归报表”菜单中选定了“AICc”选项或将“AICc”设置为“拟合最小二乘法”首选项时才显示。）显示“Bayes 信息准则”值 (BIC)。请参见似然、AICc 和 BIC。