Logistic 回归历史悠久，具有广泛的应用，如为剂量响应数据和购买选择数据建模。遗憾的是，很多导论性的统计学课程没有涉及这一相当简单的方法。除了有关 Logistic 回归的教科书（Hosmer 和 Lemeshow 1989）外，分类统计学中的很多教科书都涉及到它 (Agresti 1998)。一些分析员将该方法与一个分布不同的函数（正态分布）一起使用。在这种情况下，它被称为 Probit 分析。一些分析员使用判别分析而非 Logistic 回归，因为他们倾向于将连续变量视为 Y 而将类别视为 X，并进行逆向操作。但是，判别分析假定连续数据是正态分布的随机响应而非固定回归变量。

简单 Logistic 回归是“拟合模型”平台中分类响应的简化常规工具，该工具的图形功能更强。有关复杂 Logistic 回归模型的示例，请参见《拟合线性模型》手册中的Logistic 回归模型。