如何看羅吉斯迴歸的解釋變異量

這兩週的廣義線性模式課程的內容是羅吉斯迴歸 (logistic regression)，因此對羅吉斯迴歸有一些概念。
雖然目前自己還沒用到，但是因為比其他同早一點點得知這些概念，而被誤以為對羅吉斯迴歸分析很熟，資料分析之後不會看報表，就拿結果來請我幫忙解釋......
我秉持著知之為知之的精神，盡可能把自己知道的說明清楚。
例如：deviance的概念是比較現有模型(current model，亦即逐步迴歸分析所得的結果)和飽和模型 (saturated model)或其他要用來比較的模型的差異。
因此，當現有模型與飽和模型越接近，deviance就越小。
如果以deviance的數值查卡方分配表，發現兩個模型沒有顯著差異，
則表示現有模型和飽和模型一樣好，也就是不需要用所有的X預測Y，只要用現有模型裡面的X就夠了！

但是，不知道的還是只能說不知道，特別是有些問題是實際處理資料時才會想到的問題。
例如：如何得知此迴歸模型的解釋變異量？到底那一個模型比較好？
當同學昨天問這2個問題的時候，我只答得出第二題。
可以計算兩個模型比較的deviance，如果查表的結果不顯著，則取X數量較少的模型。
第一個問題，因為則是今天上課的時候請教老師才得知的。
在羅吉斯迴歸中，沒有辦法得知R平方值以獲得可解釋變異量，但是統計學者以R平方的概念，
發明了偽R平方 (pseudo R square)。

偽R平方= [(-2logL)m-(-2logL)c] / (-2logL)m
L: likelihood
(-2logL)m：只有截距項的模型 (minimal model)的(-2logL)
(-2logL)c：現有模型的(-2logL)

偽R平方的數值的概念就近似於R平方。

其他檢定模型殘差的方法還有卡方和皮爾森適配度。
這就看所使用的統計軟體為何再看報表了！

為了解答同學的問題（下學期是論文十萬火急的時期），我因而把羅吉斯迴歸想得更清楚了！
謝謝她的提問。