不，没有必要。经济学家喜欢深入研究人们如何做出决策的数学假设，因此他们经常援引效用理论。但是逻辑回归可以在不参考效用的情况下用统计术语来证明，使用预测变量中的单位变化与响应的对数几率的加性变化相关的想法。

逻辑回归没有理论基础（通常作为选择与另一种模型）。有两件事是任意的：

• 对每个变量的影响求和，每个影响与变量成正比（线性预测变量）
• sigmoid 链接（logit）

第一个假设类似于线性回归：一个非常有用的简单模型，并且通常可以很好地匹配观察结果以使其有所作为。

第二个假设也不能成立。它类似于线性回归中噪声的正态性假设。有趣的是，许多其他链接函数产生非常相似的结果：logit 和 probit 模型之间的差异。

然而有趣的是，逻辑回归等效于最大熵（在二元/多项结果和独立观察的情况下），并且最大熵在 50 年代被 Jaynes 陈述为原则。我认为人们在很久以后才意识到这两者是等价的（据我所知，早在 2000 年代）。

你会觉得经济学家这样做是因为这是他们为了在微观经济学上发表而被迫写的。纯粹的实证研究很难发表。

然而，这种情况正在发生变化，并非所有经济学家都这样做。例如，看一下这部作品：“Analyzing the Risk of Mortgage Default”。他们使用多项式 logit，并且在论文的任何地方都没有提到效用函数。这甚至不是宏观经济学，他们不会感到有压力在每篇论文中都推高效用函数。

其他人已经回答了你的问题，让我多解释一下 logit 模型的不同理由背后的哲学。

经济学中使用的实用新型基于将结果的一般偏好排序与实数排序联系起来的宏伟理念。不那么抽象地，经济学家试图做的是表明对某些可能结果的任何偏好何时可以用给出“最大选择”的函数来表示，以及何时这是不可能的。

当只有两个选择（0 和 1）时，这非常适合逻辑回归，并且非常适合有更多选择的多项式模型。给定分布假设，逻辑回归因此自然地“产生”于人类行为的微观基础和非常普遍的模型。这对经济学家来说很好，因为他们所追求的许多结果都抽象地要求存在这样的偏好才能有意义，而不仅仅是启发式的。其他依赖选择的社会科学也是如此，但它们的关注点往往不同。

可以将离散选择模型假定为实用新型模型或潜变量模型。潜在变量模型（其中如果一些）基本上也是一个选择模型，只是它没有说明为什么会出现这个决策规则。$y=1$$y*>t$

有时我们对建模这个原因不感兴趣。例如，我们可能根本不在乎，因为它背后有一些其他稳定但复杂的机制。也可能没有实际的实体做出决定，这在某种意义上是纯粹的统计事件。然后，通过一些非实体来考虑一些假设的偏好排序将是相当做作的。

所以回答你的问题：本实用新型根本没有必要。这取决于您的研究问题。是否有实体做出决定？如果是这样，您是否想了解有关此决策的一些信息？如果是，那么所有方法迟早都会导致实用新型，仅仅是因为您需要在研究中找到稳定或合乎逻辑的“偏好”。

在其他应用中，实用性根本不是必需的（尤其是在社会科学之外，例如机械模型），与实用新型争论是不必要的，甚至是有害的。