介紹
⑴．剩餘平方和檢驗是将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。
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。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作為檢驗标準，也就擴大了誤差範圍，因此，該方法的使用尚需探讨。
⑷．參數檢驗法（線性回歸檢驗法）
在預測模型研制一章中已經提到，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。
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值愈趨近于0，b愈趨近于1，則說明該方程的預測效果愈好。
方法
常用的拟合度檢驗方法有：剩餘平方和檢驗、卡方(c2)檢驗和線性回歸檢驗等。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内，就認為預測正确，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作為檢驗标準，也就擴大了誤差範圍，因此，該方法的使用尚需探讨。
