“拟合详细信息”报表包含以下统计量：
熵 R 方
等价于 R 方 (U)。请参见整体模型检验。
广义 R 方
可以应用到一般回归模型的测度。它基于似然函数 L，并且统一尺度后最大值为 1。对于在标准最小二乘设置中的连续正态响应，“广义 R 方”测度简化为传统 R 方。“广义 R 方”亦称 Nagelkerke/Craig and Uhler R2，它是 Cox and Snell 伪 R2 的标准化版本。请参见 Nagelkerke (1991)。
-Log p 均值
-log(p) 的平均值，其中 p 是与发生的事件关联的拟合概率。
RMSE
均方根误差，其中差值为响应和 p（实际发生事件的拟合概率）之间的差值。
绝对偏差的均值
响应和 p（实际发生事件的拟合概率）的差值绝对值的平均值。
误分类率
具有最高拟合概率的响应类别不是观测到的类别的比率。
对于熵 R 方和广义 R 方，值越接近 1 表示拟合效果越好。对于 -Log p 均值、RMSE、绝对偏差的均值和误分类率，值越小表示拟合效果越好。
要检验效应作为整体是显著的（“整体模型”检验），计算卡方统计量，它是拟合模型与仅包含截距的简化模型的负对数似然差值的两倍。