擬合度介紹
擬合度檢驗是對已製作好的預測模型進行檢驗，比較它們的預測結果與實際發生情況的吻合程度。通常是對數個預測模型同時進行檢驗，選其擬合度較好的進行試用。常用的擬合度檢驗方法有：剩餘平方和檢驗、卡方(c2)檢驗和線性回歸檢驗等。擬合度，也就是“ R-squared”。
⑴．剩餘平方和檢驗是將利用預測的理論預測值（ ）與病害發生的實際情況(y)進行比較，求得它們的差異平方和(Q)、回歸誤差(S)及曲線相關比(r)的值，希望Q、S的值愈小愈好，曲線相關比（r）愈大愈好。
， r(曲)=1－(Q/Lyy)
⑵．卡方（c2）檢驗的計算公式
⑶．回歸誤差檢驗法 （Sy/x檢驗）
通常，多因素預測方程的通式為： y=b0+b1x1+b2x2+···+bnxn±2Sy/x
方程尾部的Sy/x為方程的回歸誤差。在利用預測方程的回歸誤差進行預測效果的檢驗時，認為預測值落在2個回歸誤差的範圍之內，就認為預測正確，其實，回歸誤差是由建立預測方程的原始數據決定的，當原始數據的擺動範圍愈大，所建方程的回歸誤差Sy/x也就愈大，此時用Sy/x作為檢驗標準，也就擴大了誤差範圍，因此，該方法的使用尚需探討。
⑷．參數檢驗法（線性回歸檢驗法）
在預測模型研製一章中已經提到，要比較幾個模型的預測效果時可用參數檢驗法檢查預測值 與病害發生的實測值y的符合情況，即 =y時，它們應符合： =0+1y，
用預測方程所得到的 的與相應的病害發生實測值進行回歸，就可以得到如下的線性回歸式
=a + by，
當有數個預測方程時，便可得到數個如下的線性回歸式：
=a1 + b1y，
=a2 + b2y，，
． ． ．
． ． ．
=an + bny， 。
此時比較幾個a值和b值，當a值愈趨近於0，b愈趨近於1，則說明該方程的預測效果愈好。
擬合度英語
Goodness of Fit
