逻辑回归将“1”或“成功”响应的对数几率建模为回归系数（即参数）的线性函数，但没有必要坚持对数几率是预测变量的线性函数。

[这个模型在参数和预测器上是线性的：

$$\operatorname{logit}\pi_i = \beta_0 + \beta_1 x_i$$ 这个仅在参数上是线性的： $$\operatorname{logit}\pi_i = \beta_0 + \beta_1 x_i + \beta_2 x_i^2$$ ]

就像普通的最小二乘回归一样，如果理论需要，或者只是为了允许经验模型中的曲率，可以使用多项式预测项。