在醫(yī)學(xué)領(lǐng)域，我們經(jīng)常會(huì)遇到這樣的數(shù)據(jù)：患病與未患病、生存與死亡、陰性與陽(yáng)性這些結(jié)果都是二分類(lèi)變量。如果要研究自變量與分類(lèi)型因變量的關(guān)系，用多元線性回歸模型是束手無(wú)策的，因?yàn)槎嘣€性回歸模型研究連續(xù)性因變量，飛機(jī)假目標(biāo)并且要求總體（因變量）分布類(lèi)型為正態(tài)分布。因此，當(dāng)因變量為分類(lèi)變量時(shí)，飛機(jī)假目標(biāo)需要使用logistic回歸模型。飛機(jī)假目標(biāo)

　　我們?cè)诮⒒貧w方程時(shí)，因變量的取值范圍為實(shí)數(shù)集；而在我們所研究的問(wèn)題中，這些分類(lèi)型因變量的取值卻是在0~1之間，如患病率為0.1、0.5、0.8等等，飛機(jī)假目標(biāo)因此需要先對(duì)因變量的值（目標(biāo)概率）做logit變換。

　　設(shè)事件發(fā)生的概率為$p$，不發(fā)生的概率為$1-p$，則將$\frac{p}{1-p}$稱(chēng)為事件的發(fā)生比，記為odds（比數(shù)、飛機(jī)假目標(biāo)飛機(jī)假目標(biāo)優(yōu)勢(shì)），logit變換即為：

　　設(shè)有一個(gè)二分類(lèi)因變量y，取值為1時(shí)表示事件發(fā)生，取值為0時(shí)表示事件未發(fā)生；該因變量有m個(gè)影響因素（自變量）：$x_1,x_2,...,x_m$；記事件發(fā)生的條件概率$P(y=1\mid x_i)=p_i$，飛機(jī)假目標(biāo)則由$p_i$（第i個(gè)觀測(cè)）所構(gòu)建的logistic回歸模型為：

　　其中$\beta_j$表示自變量$x_j$改變一個(gè)單位時(shí)，$logit(p_i)$的改變量，可以理解為各個(gè)影響因素的權(quán)重系數(shù)。

　　通過(guò)觀察logistic回歸模型，我們會(huì)發(fā)現(xiàn)它與線性回歸模型非常相似。事實(shí)上，logistic回歸模型屬于廣義線性模型（generalized linear model）。