拟合 Logistic 模型时，您想要选择一个可以良好拟合数据的模型（链接函数和预测变量）。可以使用拟合优度统计量来比较不同模型的拟合。较低的 p 值表示预测概率以二项分布无法预测的方式偏离观测概率。

默认情况下，Minitab 提供三种拟合优度检验：Pearson、Deviance 和 Hosmer-Lemeshow。

Pearson 和 Deviance 是 logistic 模型的两种类型的残差。它们是评估所选模型拟合数据的优度的有用度量。p 值越高，模型拟合数据的优度越高。您可能想要检查其他的模型并选择一个生成最大拟合优度 p 值的模型（除非某个模型在您的学科中具有特殊意义）。

拟合优度检验
 
检验             自由度   卡方   P 值
偏差                 67  76.77  0.194
Pearson              67  76.11  0.209
Hosmer-Lemeshow       8   5.58  0.694
                                     

对于谷类食品数据，Pearson 和 Deviance 检验的 p 值都大于 0.10，表明 a 水平小于或等于 0.10 时没有足够的证据表明模型不足以拟合数据。