-2 Log likelihood  越小越好，Cox & Snell R Square 和  Nagelkerke R Square越接近1越好。具体的就不知道了。

用eviews做logit回归比较好，用spss的话就如下：

-2 对数似然值(-2 log likelihood，-2LL)
似然(likelihood)即概率，是指自变量观测值预测因变量观测值的概率。对数似然值(log likelihood，LL)是它的自然对数形式，由于似然的取值范围在[0,1]之间，其对数值为负数，因此对数似然值的取值范围在 0 至-∞之间。Logistic模型的估计一般采用的是最大似然法，通过最大似然估计的迭代算法计算得到对数似然值（log likelihood）。由于-2LL近似服从卡方分布且在统计检验上更为方便，因此-2LL可用于检验 Logistic 回归的显著性。如果-2LL的实际显著性水平p值小于给定的显著性水平，则表明Logistic回归方程显著。如果p值大于给定的显著性水平，则说明Logistic回归方程不显著。

Cox & Snell R Square   Nagelkerke R Square与线性回归模型中的R Square解释结果类似，但是其在似然值基础上解释Logistic回归模型，该值越大表明模型的拟合优度越高,越接近于1表明模型拟合优度越高，而越接近于0则表明模型拟合优度越低。

楼上的解释很到位了。。

学科带头人就是强，长知识了。用eviews做probit感觉比SPSS简单。

3# wusi126
你好！真的很感谢你的详细解答。
我还有一点疑问是：如果做硕士学位论文进行逻辑回归
Cox & Snell R Square  Nagelkerke R Square的值是应当大于0.3还是大于0.6才可行呢？

谢啦！