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与连续数据中的平方和所起的作用相同：从数据所拟合模型与具有相等概率的模型得到的负对数似然差值加倍后便为卡方统计量。该检验统计量检查 x 变量对响应没有影响的假设是否成立。
|
‒
|
简化模型仅包含截距。
|
|
‒
|
完全模型包含所有效应以及截距。
|
|
‒
|
差值为完全模型和简化模型的对数似然差值。
|
测量样本中的变异，有时称为不确定性。
完全（完全模型）是拟合模型后计算出的负对数似然（或不确定性）。拟合过程涉及使用线性模型和 Logistic 响应函数预测响应率。通过拟合过程将该值最小化。
简化（简化模型）是用固定背景比率估计概率情况下的负对数似然（或不确定性）。这是模型没有效果时的背景不确定性。
似然比卡方检验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。它是差值模型的 –对数似然的两倍， 即两个负对数似然差值的两倍，一个具有整个总体的响应概率，一个具有每个总体的响应率。详细信息，请参见“整体模型检验”报表。
卡方检验观测到的显著性概率，通常称为 p 值。它是随机得到卡方值大于计算值的概率。若该概率小于 0.05，通常判断模型是显著的。
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 指示出现的事件的预测概率等于 1：预测概率中无不确定性。由于对于 Logistic 模型，预测概率中的确定性很少见，所以 R 方 (U) 往往较小。详细信息，请参见“整体模型检验”报表。
有时称为“权重和”。计算中使用的总样本大小。若指定了权重变量，则为权重和。
是可以应用于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。对于标准最小二乘法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)。