拟合名义 logistic 模型时，您想要选择可以良好拟合数据的模型。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 值表示预测的概率以多项分布无法预测的方式偏离观测的概率。

Minitab 提供两种拟合优度检验：Pearson 和 Deviance。

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。您可能想通过考虑其它预测变量、二次项和/或交互作用项来检查其他模型。通过包含所有的显著项，获得合适的拟合优度 p 值的可能性较高。

拟合优度检验
 
方法        卡方  自由度      P
Pearson  926.275     959  0.771
偏差     616.475     959  1.000
                               

对于赛马数据来说，Pearson 和 Deviance 检验的 p 值（分别为 0.771 和 1.000）比 0.05 大很多，这表明没有足够的证据证明模型不能很好地拟合数据。