모델 요약 테이블에는 두 개의 행이 포함됩니다. 한 행은 용어가 없는 모델의 행용입니다. 다른 행은 해석에 용어가 있는 모델용입니다. 두 행을 비교하여 모델의 개선을 용어 없이 모델에 대한 용어로 평가합니다. 모델의 성능을 설명하기 위해 용어와 함께 모델의 행을 사용합니다. AIC, AICc 및 BIC를 사용하여 모델을 한 분석에서 다른 용어로 비교합니다.
로그 우도는 동일한 데이터를 사용하여 계수를 추정하는 두 모형을 비교하는 데 사용합니다. 값은 음수이므로 값이 0에 가까울수록 모형이 데이터에 더 적합합니다.
모형에 항을 추가하면 로그 우도가 감소할 수 없습니다. 예를 들어 용어가 있는 모델은 용어가 없는 모델보다 로그 가능성이 높습니다. 두 모델 간의 로그 가능성 값의 큰 차이는 모델이 데이터에 맞게 더 큰 기여를 한다는 것을 나타냅니다.
두 모델을 용어와 비교할 때 모델이 동일한 수의 용어를 가지고 있는 경우 성능 차이가 가장 분명합니다. 계수 표의 용어에 대한 p 값을 사용하여 모델에 포함할 용어를 결정합니다.
R2 결정계수는 모형에서 설명하는 반응의 변동 비율입니다.
R2 결정계수를 사용하여 모형이 데이터를 얼마나 적합시키는지 확인합니다. R2 결정계수 값이 높을수록 모형이 데이터를 더 잘 적합시킵니다. R2 결정계수는 항상 0%에서 100% 사이입니다.
AIC(Akaike Information Criterion), 교정된 AICc(Akaike Information Criterion) 및 BIC(Bayesian Information Criterion)는 모형의 적합치와 항 수를 설명하는 모형의 상대적 품질 측도입니다.