現實資料中，有些資料只有兩個可能實現值，例如股票價格上漲或下跌，申請信用卡結果通過或不通過。若預對於這類資料進行迴歸分析，需先將兩種實現值由研究者定義為 1 或者是 0，例如股票上漲為 1，下跌為 0; 信用卡申請通過為 1，不通過為 0。而經過人為定義非 0 即 1 的變數稱作二元變數 (binary variable) 或者虛擬變數 (dummy variable)。如果被解釋變數為二元便數，則一般假設其服從 Bernoulli 試驗，而 Bernoulli 試驗中，其期望值恰為該變數等於 1 的機率。因此迴歸模型的意涵即為利用解釋變數去預測被解釋變數等於 1 的機率，意即

因此為了解決這些缺點，常見的解決方式是使用 logistic 或者 probit 模型，並且使用最大概似估計法估計。但這兩個模型也有缺點, 其係數估計不容易直接解讀。因此在實證研究中, 最好的方法是兩種估計方法都作, 並比較其結果。