拟合优度不好但显著

分析如下：

1、拟合度不好的话，可以进一步进行检验，看看是否存在伪回归。

2、一般80%以上就很好了，70%以上也可以，不要追求高拟合度，真实数据一般达不到那么高，如果拟合度在70%，检验都通过就已经很不错了，过高的拟合度一看就是假的。

这里拟合不好说明解释变量“解释的不够”啊。盲猜你说的“系数证实预测”的意思是，系数的正负和你猜想的相应的效应的“促进和抑制”是一致的（而且甚至系数都是显著的）。那这也只能说明这些解释变量或许是“有用的”，但这与解释变量“不太够”并不矛盾。比如其实有10个变量影响概率，但是你的数据里只用其中两个，还不是“最有价值”的两个，那么回归出来的结果就很有可能不怎么好。

这种事情本来就很常见，而态度取决于最初提出的研究问题。如果研究的问题仅是具体某个变量和因变量之间的关系，那重点就看对应系数就好了，总体的欠拟合可以提一句“或许还有其他的更重要更有价值的变量未包含在模型和数据里（但是具体是啥变量别问我，我也不知道，反正数据里没有）”；如果研究的问题就是找到一个预测能力强模型，那要么加入新的解释变量，要么对现有解释变量操作操作呗，比如加入高次项（平方，立方，交叉项），总之都是让现有模型变复杂。放心，只要往复杂里整，最终总会有期望几乎等于观测的结果出现，不过那时候要操心的就是过拟合的问题了。

---