拟合度检验是对已制作好的预测模型进行检验，比较它们的预测结果与实际发生情况的吻合程度。通常是对数个预测模型同时进行检验，选其拟合度较好的进行试用。常用的拟合度检验方法有：剩余平方和检验、卡方(c2)检验和线性回归检验等。拟合度，也就是“R-squared”。

拟合度检验是对已制作好的预测模型进行检验，比较它们的预测结果与实际发生情况的吻合程度。通常是对数个预测模型同时进行检验，选其拟合度较好的进行试用。常用的拟合度检验方法有：剩余平方和检验、卡方(c2)检验和线性回归检验等。拟合度，也就是“R-squared”。

⑴．剩余平方和检验是将利用预测的理论预测值（ ）与病害发生的实际情况(y)进行比较，求得它们的差异平方和(Q)、回归误差(S)及曲线相关比(r)的值，希望Q、S的值愈小愈好，曲线相关比（r）愈大愈好。

， r(曲)=1－(Q/Lyy)

⑵．卡方（c2）检验的计算公式

⑶．回归误差检验法 （Sy/x检验）

通常，多因素预测方程的通式为： y=b0+b1x1+b2x2+···+bnxn±2Sy/x

方程尾部的Sy/x为方程的回归误差。在利用预测方程的回归误差进行预测效果的检验时，认为预测值落在2个回归误差的范围之内，就认为预测正确，其实，回归误差是由建立预测方程的原始数据决定的，当原始数据的摆动范围愈大，所建方程的回归误差Sy/x也就愈大，此时用Sy/x作为检验标准，也就扩大了误差范围，因此，该方法的使用尚需探讨。

⑷．参数检验法（线性回归检验法）

在预测模型研制一章中已经提到，要比较几个模型的预测效果时可用参数检验法检查预测值 与病害发生的实测值y的符合情况，即 =y时，它们应符合： =0+1y，

用预测方程所得到的 的与相应的病害发生实测值进行回归，就可以得到如下的线性回归式

=a + by，

当有数个预测方程时，便可得到数个如下的线性回归式：

=a1 + b1y，

=a2 + b2y，，

． ． ．

． ． ．

=an + bny， 。

此时比较几个a值和b值，当a值愈趋近于0，b愈趋近于1，则说明该方程的预测效果愈好。

Goodness of Fit