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。

介绍

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。

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。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。

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。

方法

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。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。