结果变量（Y变量、因变量、反应变量等）只能呈现两种可能的结果时，使用逻辑回归，其目的是模拟观察成功的概率。从该意义上来说，“成功”只是指这两种可能结果中的一种，应基于实验设计。正如统计学中的许多术语一样，在此情况下，“成功”的含义与我们通常使用的含义略有不同。例如，在研究群体中罕见疾病的发病率时，您可能感兴趣的是一个人患上这种疾病的概率。在此情况下，如果仅仅是为构建模型，您会考虑将患上这种疾病设置为“成功”。

再看另一个示例，假设给您一个数据集，其中包含学生为考试所学习的时间长度，以及这些学生是否通过了考试。您可能希望学生为考试而学习时间越长，学生通过考试的可能性就越大。在这里，“成功”指学生通过。然而，用于逻辑回归的Y变量可以是任意值，只要它只能取两个可能值中的一个：是/否、通过/未通过、存活/死亡等等。另一种说法是，结果变量必须是“二分类”。通常，会将这些结果编码为“1”（表示“成功”）或“0”（表示“失败”）。请注意，在我们的示例中，如果给您每个学生的分数（百分比），您可能已考虑过执行线性或非线性回归。然而，因为我们的结果是二分类结果，因此逻辑回归才是合适的选择。

从某种意义上来说，简单逻辑回归可认为是简单线性回归的扩展，以处理具有二分类结果的情况：简单线性回归和简单逻辑回归均建立模型，通过知道单个输入值（X）可预测结果值（Y）。因此，在思考线性回归和逻辑回归的异同时，有两件非常重要的事情需要记住：

1.结果为连续结果时，适用线性回归；结果为二分类结果时，适用逻辑回归。试图在二分类结果变量上使用线性回归是行不通的。

2.逻辑回归会生成一个模型，允许您预测 成功的概率给定某个X值。您放入模型中的数据将只包括实际结果（在给定的X值下，观察到成功与否）。

以下章节详细讨论了这两个主题