ロジスティック回帰は、従属変数が二分（バイナリ）の場合に実行する適切な回帰分析です。ロジスティック回帰は、データを記述し、1つの従属バイナリ変数と1つ以上の名義、順序、間隔、または比率レベルの独立変数の間の関係を説明するために使用されます。

上記のほかに、バイナリロジスティック回帰は何に使用されますか？バイナリロジスティック回帰は、独立変数（予測子）の値に基づいてケースである確率を予測するために使用されます。オッズは、特定の結果がケースである確率をケースではない確率で割ったものとして定義されます。

第二に、なぜロジスティック回帰が線形回帰よりも優れているのですか？

ロジスティック回帰では、結果（従属変数）には限られた数の可能な値しかありません。ロジスティック回帰は、応答変数が本質的にカテゴリ型である場合に使用されます。線形回帰は、応答変数が連続している場合に使用されます。たとえば、体重、身長、時間数などです。

簡単に言えば、ロジスティック回帰とは何ですか？

また、ロジット回帰又はロジットモデルとして知られているロジスティック回帰は、（推測）いくつかの以前のデータを与えられた発生事象の確率を推定するために統計で使用される数学的モデルです。ロジスティック回帰は、イベントが発生するか（1）、イベントが発生しない（0）バイナリデータで機能します。