对这类数据使用“逻辑回归”本身并没有错。您可以将其视为一种经验调整，以允许拟合具有有限支持的响应。它比替代方法更好（对您的响应进行 logit 转换，然后使用普通线性回归），因为结果预测是渐近无偏的，平均预测值等于观察到的平均响应，并且（可能是最重要的）您不必担心关于 Y 等于 0 或 1 的情况。反正弦变换可以处理 Y = 0 或 1，但是根据对数优势比，您的回归结果并不那么容易解释。

需要注意的主要事情是，与任何广义线性模型一样，您隐含地假设$E(Y|X)$和$\textrm{Var}(Y|X)$. 您应该检查这个假设是否成立，例如通过查看残差的诊断图。

在大多数情况下，进行概率回归将给出与逻辑回归非常相似的结果。如果您有理由相信 Y = 0 和 1 之间存在不对称性，另一种方法是使用互补对数对数链接。

链接函数将 Y（给定 X）的期望值转换为无界值。在逻辑回归中，Y 取值 0 或 1，logit 不应用于 Y，而是应用于 Pr(Y=1|X)。（0 和 1 的 logit 都是未定义的。）所以在这种情况下使用 logit 或 probit 是完全合理的。

要考虑的另一件事是剩余方差：是否有特定的转换可以最好地稳定您的案例的方差？对于比例，通常使用反正弦平方根变换，因为它对二项式比例具有方差稳定作用。考虑这里的讨论。