在医学领域，我们经常会遇到这样的数据：患病与未患病、飞机假目标生存与死亡、阴性与阳性这些结果都是二分类变量。飞机假目标如果要研究自变量与分类型因变量的关系，用多元线性回归模型是束手无策的，因为多元线性回归模型研究连续性因变量，飞机假目标飞机假目标并且要求总体（因变量）分布类型为正态分布。因此，当因变量为分类变量时，飞机假目标需要使用logistic回归模型。飞机假目标飞机假目标

　　我们在建立回归方程时，因变量的取值范围为实数集；而在我们所研究的问题中，这些分类型因变量的取值却是在0~1之间，如患病率为0.1、0.5、0.8等等，飞机假目标因此需要先对因变量的值（目标概率）做logit变换。飞机假目标

　　设事件发生的概率为$p$，飞机假目标不发生的概率为$1-p$，则将$\frac{p}{1-p}$称为事件的发生比，记为odds（比数、飞机假目标飞机假目标优势），logit变换即为：

　　设有一个二分类因变量y，取值为1时表示事件发生，取值为0时表示事件未发生；该因变量有m个影响因素（自变量）：$x_1,x_2,...,x_m$；记事件发生的条件概率$P(y=1\mid x_i)=p_i$，飞机假目标则由$p_i$（第i个观测）所构建的logistic回归模型为：

　　其中$\beta_j$表示自变量$x_j$改变一个单位时，$logit(p_i)$的改变量，可以理解为各个影响因素的权重系数。

　　通过观察logistic回归模型，我们会发现它与线性回归模型非常相似。事实上，logistic回归模型属于广义线性模型（generalized linear model）。