آزمون خوبی برازش هاسمر- لم شوHosmer-Lemeshow 

برای بررسی خوبی برازش در مدل های رگرسیونی با متغیر وابسته باینری می­توان از آزمون­ ها و معیارهای

مختلفی همچون ضریب تعیین مک- فادن، مادلا، استرلا، چاو، جدول پیش­بینی موفقیت­های هنشر- جانسون

و .... استفاده کرد. یکی از آزمون­هایی که برای خوبی برازش مدل­های انتخاب باینری استفاده می­شود،آزمون

هاسمر- لم شو است. در این آزمون معناداری کلی ضرایب رگرسیون از طریق مقایسه مقدار پیش­ بینی

شده و واقعی متغیر وابسته در گروه­های مختلف مورد بررسی قرار می­گیرد. اگر اختلاف بین مقادیر واقعی و

پیش­بینی شده متغیر وابسته زیاد باشد نشانگر برازش ضعیف مدل است. برای اجرای آزمون هاسمر- لم­شو

در نرم افزار ایویوز پس از تخمین مدل­های انتخاب گسسته به روش لاجیت یا پروبیت در پنجره برآورد به قسمت

view رفته و  Goodness-of-Fit Testرا انتخاب کرده و در پنجره ای که باز می شودHosmer-Lemeshow را

انتخاب کنید. توجه داشته باشید نرم افزار ایویوز دو آزمون Hosmer-Lemeshow و Andrews را برای بررسی

خوبی برازش در اختیار قرار می دهد. هر دوی این آزمون­ها بر اساس تفاوت مقدار واقعی و پیش­بینی شده متغیر

وابسته در گروه­ های مختلف هستند و تنها  در نحوه تعیین گروه ­ها تفاوت دارند.