当运行回归模型或分类模型时将自动创建模型汇总。模型汇总可显示模型的名称、模型类型和模型公式。

对于参数模型（线性回归和逻辑回归），也将显示其他一些适用于特定模型类型的汇总统计。这些统计可表明模型适应数据的情况，并且也可以用来比较具有相同类型的模型。

对于树型模型，将显示对树结构的文本说明，后面的表可显示每次分割之后模型的改进。最后显示的是对每个单独分割的汇总，起始于根节点。

总结统计

回归模型	说明
标准化残差	标准化残差是在模型中使用的预测器的影响之后对误差变化的度量。它是以反应变量为单位的。
R 平方（或 R2）和调整的 R 平方	R 平方可对模型中说明的数据中分数的变化进行度量。它是一个介于 0 和 1 之间的数字，1 表示完美拟合模型（所有观测值均进行准确预测）。调整的 R 平方是根据模型中预测器的数量对 R 平方 进行了调整。添加预测器，甚至是毫无意义的，也将增加 R 平方。
F 统计量	F 统计量是对模型的总显着性进行的一种统计测试。统计上重要的模型将具有较小的 p 值（通常小于 0.05）。DF 或自由度与 F 统计量相关联，用来计算 p 值。

分类模型	说明
Null 异常和残差异常	异常是对模型中变化性的另一种度量。Null 异常针对没有预测器的模型，残差异常是在模型中使用的预测器的影响之后的度量。
AIC	AIC 为赤池信息准则，是对模型拟合度的一种度量。正如针对回归模型的调整的 R 平方一样，它会将模型中包含的预测器数量考虑在内。对于相同的反应变量和预测器变量的不同组合，将优先考虑具有最小 AIC 的模型。
CP nsplit rel_error xerror xstd	此表显示了以复杂性参数值为基础的最佳修剪树的集合。对于每个树，包括复杂性值 (CP)、分割数（树中节点数为 1 + nsplit）、相对误差 (rel_error) 以及交叉验证相对误差和交叉验证误差的标准误差 (xstd)。误差列进行了刻度标示，第一个节点的误差为 1。复杂性值也进行了刻度标示。