我有两个（很快是三个）维度的空间数据，我要比较我的模型和现实之间的拟合优度。由于数据是连续的而不是分类的，我不能真正使用卡方检验。我考虑过尝试确定我的测量值的实际误差，并将其用作统计数据中的分母，而不是通常的泊松近似。我还尝试了 2D KS 测试，我在这里有两个问题，它相当慢，如果我去三个维度，定义 CDF 的方法的数量变得有点令人望而却步。我的另一个问题是我真的不知道答案意味着什么，除了任何没有以标准形式返回的东西都是非常好的协议。

是否还有其他适合更高维度的拟合优度测试？Cramer von Mises 是否在很多方面都比 KS 更好，我没有尝试过，但我认为它会有相同的限制？