Pomocí deviančního testu (test poměrem věrohodností) se zde srovnává saturovaný model a model M. Saturovaný model nemůže být "špatně". Pokud tedy tento test vyjde významně, říká to, že model M je významně horší než model saturovaný, tj. model M "nesedí na data", "nemá dobru shodu" V případě nevýznamného výsledku potom konstatujeme, že model M není významně horší než saturovaný model, resp. nelze zamítnout "shodu" modelu M s daty. Devianční test je asymptotický a k fungování asymptotiky není ani tak podstatný celkový rozsah výběru. Je zapotřebí mít dostatek pozorování k odhadu všech parametrů modelu (ne všechna pozorování přispívají k odhadu všech parametrů). Např. v případě saturovaného modelu je pro každou jednotlivou sdruženou pravděpodobnost určující pouze četnost v příslušné buňce tabulky, zde potom jsou pozorované četnosti shodné s očekávanými. Pro devianční test mě zajímá rozdělení testové statistiky za nulové hypotézy, tj. za platnosti modelu M. Dostatečný rozsah výběru potom odpovídá dostatečně velkým očekávaným četnostem (za platnosti modelu M) ve všech buňkách tabulky. Viz též magická 5 u chi2 testu nezávislosti (= skórový test na interakce v modelu s interakcí v dvourozměrné tabulce).