在基于一般线性模型构建模型后（当您有二元结果时通常会这样做），您有几种方法可用于检查是否违反支持统计有效性的假设。当预测关系为多项式时，将违反的假设是残差的线性（或等效地，拟合尺度上的预测与预测变量，在二元结果的情况下为逻辑）。详细信息将根据您的计算平台而有所不同，但您应该考虑残差（或拟合值）与预测图。需要多项式的测试将是“眼球”驱动的。如果你得到“微笑”或“皱眉”，那么平方项可能是合适的。如果你得到一个负加负加类型的模式，那么可能需要一个更高阶的多项式。在这个模型构建过程中，您应该考虑潜在的科学含义。三次多项式应该有更高程度的怀疑。您需要平衡适合程度与复杂性。另一种方法是使用允许自动惩罚的回归样条。Frank Harrell 的“回归建模策略”有许多使用 S/R 平台的工作示例。

在 EDA 期间，您可以采用（连续）预测器并通过创建大小相等或等间距的 bin 对其进行离散化。然后，您可以绘制所有 bin 的事件率，以直观地检测线性或二次关系（如果存在）。例如，倒 U 形曲线表明存在二次关系。创建此类分箱的另一种方法是使用 CHAID（或其他）决策树算法将您的样本拆分为统计派生的分箱。