logistic迴歸模型為：

對上面的模型進行變換，得到線性形式的logistic迴歸模型：

在二項分佈族中，logistic迴歸是重要的模型。在某些迴歸問題中，響應變數是分類的，經常是要麼成功，要麼失敗。

在R語言構建資料框時，應輸入一列成功（響應）的次數和一列不成功（不響應）的次數，例如：

norell<-data.frame(
x=0:5,n=rep(70,6),success=c(0,9,21,47,60,63)
)
norell$Ymat<-cbind(norell$success,norell$n-norell$success)
glm.sol<-glm(Ymat~x,family=binomial,data=norell)
summary(glm.sol)
#預測並畫出迴歸曲線
d<-seq(0, 5, len=100)
pre<-predict(glm.sol, data.frame(x = d))
p<-exp(pre)/(1+exp(pre))
norell$y<-norell$success/norell$n
plot(norell$x, norell$y); lines(d, p)
 

得到迴歸方程（變換後的）右側為：-3.3010+1.2459X

於是迴歸方程為：