拟合效果是指模型对实际数据的拟合程度，通常用一些指标来衡量。以下是一些常用的拟合效果指标：
1.均方误差（MSE）：衡量预测值与实际值之间的平均平方差。MSE越小，表示模型的拟合效果越好。
2.均方根误差（RMSE）：是MSE的平方根，同样用于衡量预测值与实际值之间的平均平方差。RMSE越小，表示模型的拟合效果越好。
3.平均绝对误差（MAE）：衡量预测值与实际值之间的平均绝对差。MAE越小，表示模型的拟合效果越好。
4.R-squared（R_）：也称为决定系数，衡量模型解释数据变异的能力。R_越接近1，表示模型的拟合效果越好。
5.残差标准差（RSS）：衡量模型预测值与实际值之间的残差的标准差。RSS越小，表示模型的拟合效果越好。
6.Akaike信息准则（AIC）：衡量模型的复杂度和拟合效果之间的平衡。AIC越小，表示模型的拟合效果越好。
7.Bayesian信息准则（BIC）：类似于AIC，也是衡量模型的复杂度和拟合效果之间的平衡。BIC越小，表示模型的拟合效果越好。
8.F统计量：用于比较不同模型之间的拟合效果。F统计量越大，表示模型的拟合效果越好。
9.t统计量：用于检验模型参数是否显著不同于零。t统计量越大，表示模型的拟合效果越好。
10.相对绝对误差（RAE）：衡量预测值与实际值之间的相对绝对差。RAE越小，表示模型的拟合效果越好。