给贷款定价时，模型算出的违约概率不必完美，但得准到足够可用。传统拟合优度检验——检查模型描述的概率规律是否贴合数据——在样本很大时，可能连无关紧要的小偏差也判成失败。Vladimir Ostrovski 提出换个问法：模型与数据的差距，是否小于事先规定的容许线？
这是一种等价性检验。它面向二元 GLM——处理“会或不会”这类结果的广义线性模型，逻辑回归是其中最常见的一种。方法把不同特征组合下的实际发生比例，与模型给出的概率逐一比较，再寻找两者之间的最小欧氏距离，也就是把各处差值合成一个整体偏差。若检验能拒绝“偏差至少达到容许线”这一假设，才支持模型足够贴合。临界值可用大样本近似或 bootstrap——从现有数据反复重采样——计算。
目前方法只处理特征均为类别变量的情形，并要求每种特征组合都有足够观测。论文用 Fiji 生育调查和 Titanic 乘客数据演示，并以两者为基础做模拟。它证明的是偏差小到可接受，不是模型完全正确；容许线定多宽，仍取决于具体用途。