@Tomka 是对的。饱和模型为给定的一组预测变量拟合尽可能多的参数，但它是否过度拟合取决于每个独特的预测变量模式的观察次数。假设您有一个线性模型，在进行 100 次观察，在上对 y 进行 100 次观察。那么模型是饱和的，但肯定不会过拟合。但是，如果您中的每观察结果，则模型是饱和的且完美拟合——无疑是过度拟合^†。$y$$x=0$$x=1$$\operatorname{E}Y = \beta_0 +\beta_1 x$$y$$x=(0,1,2,3,4)^\mathrm{T}$$\operatorname{E}Y = \beta_0 +\beta_1 x +\beta_2 x^2 +\beta_3 x^3 +\beta_4 x^4$

当人们谈论具有与观察一样多的参数的饱和模型时，如链接的网页和简历帖子中，他们假设每个预测模式的一个观察的上下文。（或者有时可能以不同的方式使用“观察”——2×2 列联表中的 100 个个体是对个体的 100 个观察，还是对细胞频率的 4 个观察？）

† 顺便说一句，不要从字面上理解“肯定”和“毫无疑问”。对于第一个模型，可能非常小，您无需尝试估计就可以更好地预测，反之亦然。$\beta_1$$\operatorname{Var}Y$