在“Logistic”平台中，“整体模型检验”报表显示模型拟合是否比简单地对所有响应概率使用一个常数要好。该报表类似于连续响应模型的“方差分析”报表。该报表中显示的检验是一个似然比卡方检验，该检验评估 Logistic 回归模型对数据拟合的好坏程度。
观测到的概率的自然对数负数和称为负对数似然（–对数似然）。分类数据的负对数似然类似于连续数据中的平方和。从数据所拟合模型与每个水平的概率相等的模型得到的负对数似然差值加倍后便为卡方统计量。该检验统计量用于以下假设：X 变量的值与 Y 变量的水平没有关联。
R 方 (U)（有时表示为 R2）的值介于 0 到 1 之间。较高的 R2 值表明模型拟合良好。请注意，较高的 R2 值在分类模型中不常见。
“整体模型检验”报表包含以下列：
模型
变异来源的标签。
差值
完全模型与简化模型之间的差值。该模型用于测量 X 变量在拟合中贡献的重要性。
完全
完整的模型包括截距和 X 变量。
简化
仅包含截距参数的模型。
–对数似然
负对数似然，用于测量各个模型的变化。请参见《拟合线性模型》中的“似然、AICc 和 BIC”。
自由度
完全与简化模型的差值的自由度 (DF)。
卡方
似然比卡方检验统计量检查在整个样本上模型的拟合效果不比固定响应率好的假设是否成立。该检验统计量的值是拟合模型和仅包含截距的简化模型之间的负对数似然差值的两倍。请参见“Logistic”平台的统计详细信息。
概率>卡方
若指定的模型拟合不比仅包含截距的模型好，此时获得更大卡方值的概率。若该概率小于 0.05，通常判断模型是显著的。
R 方 (U)
归因于模型拟合的总不确定性的比例，定义为差值负对数似然值除以简化负对数似然值所得的值。R 方 (U) 值为 1 指示预测的事件发生的概率等于 1：预测概率不存在不确定性。因为预测概率的确定性对于 Logistic 模型很少见，R 方 (U) 通常很小。请参见“Logistic”平台的统计详细信息。
R 方 (U) 有时表示为 U（不确定性系数）或 McFadden 的伪 R2。
AICc
校正的 Akaike 信息准则。请参见《拟合线性模型》中的“似然、AICc 和 BIC”。
BIC
Bayes 信息准则。请参见《拟合线性模型》中的“似然、AICc 和 BIC”。
观测数（或权重和）
样本中的总观测数。若在“拟合模型”窗口中指定了“频数”或“权重”列，则该值是分配给“频数”或“权重”角色的列值之和。