您正在寻找错误的关键字。逻辑回归适用于 0-1 结果，其中 1 的概率是用 S 形（逻辑）函数建模的，而不是实际数据点本身。寻找非线性回归，特别是四参数逻辑模型：（它可以与其他参数化一起出现）。如果你搜索这个模型，你会发现很多与 ELISA 相关的东西。$y = A + (B-A)/(1+\exp(-(a+bx))) + \epsilon$

有专门的软件来拟合这个，当然主要的统计软件包也可以处理。不幸的是，如果有很多可变性，估计可能会很困难，并且拟合过程可能“不会收敛”。

首先，我认为我们必须区分逻辑回归和（广义）逻辑函数。尽管后者可以被视为前者将时间作为唯一解释变量的单独案例。然后很容易看出，拟合过程将通过时到达其上限（或可能是下限）。因此，沿着曲线移动是随时间上下变化的过协变量（不是时间）的影响（在消费结构中，这些是收入、品味、价格等）。所以可能会出现跳跃或其他情况，因为没有人将线性回归限制为仅上升或仅下降到$S$$t \rightarrow \infty$$S$$S$曲线的边界。

由于您正在使用结构和是自然限制。当您的结论仅基于历史数据分析时，您永远无法确定任何其他界限在未来不会更高或更低，并且认为该过程从未这样做是不合适的推理。因此，您的担心是不合理的，逻辑回归（但不适合逻辑曲线！作为确定性微分方程的解！）在这里可以正常工作。请注意，可能有几个类别最多为 1，因此您需要多项 logit 模型来适应这种情况下的结构。$0$$1$

在备选方案中，可能有任何模型可以应用于离散选择。常用的候选者是概率和 logit 模型。即使您认为我的模型中没有决策，实际上世界上的所有结构都是人类、自然或外星人解决决策过程的结果^_^。