あてはまりの悪さ（LOF; Lack of Fit）検定は、現在のモデルで十分にデータを予測しているか、あるいは、より複雑な項が必要かを示します。この検定は、適合度検定（goodness-of-fit test）と呼ばれることもあります。あてはまりの悪さ（LOF）検定では、データにおけるX値から構成されるすべての組み合わせのそれぞれを1つのグループとして、負の対数尤度を計算します。このモデルを「飽和モデル」と呼びます。この負の対数尤度は、「純粋誤差」に相当します。「飽和モデル」における負の対数尤度（「（‐1）*対数尤度」）は、「あてはまりの悪さ（LOF）」表の「飽和モデル」の行に表示されます。「あてはまりの悪さ（LOF）」レポートには、「飽和モデル」の負の対数尤度が「あてはめたモデル」のそれより有意に良いかどうかを示す検定も表示されます。
「飽和モデル」の自由度はm–1（mは、X変数の一意な値の組み合わせから構成されるグループの数）です。「あてはめたモデル」の自由度は、切片を含まないモデルパラメータの数です。
「あてはまりの悪さ（LOF）」表にある負の対数尤度（「（‐1）*対数尤度」）は、モデルのあてはまりが悪いこと（LOF）に起因する誤差、飽和モデルの誤差（純粋誤差）、およびあてはめたモデルの誤差を表します。また、あてはまりの悪さ（LOF）のレポートでは、カイ2乗統計量も計算されます。