提示:您正在参与的是正式考试的第1场考试(共2场),请认真答题;点击开始答题后,开始倒计时。84当因变量是分类变量时,线性回归假定不再适用,此时应采用Logistic回归模型。 A. 正确B. 错误

考查要点：本题主要考查对线性回归模型适用条件和Logistic回归模型应用场景的理解。

核心思路：
线性回归要求因变量为连续型变量，且满足正态分布、方差齐性等假定；而当因变量为分类变量（如二分类）时，这些假定被打破，此时应采用Logistic回归模型，它通过logit函数将分类变量转化为概率预测。

破题关键：
明确区分两种模型的核心差异：线性回归处理连续因变量，Logistic回归处理分类因变量。

线性回归的局限性：

1. 因变量类型限制：线性回归要求因变量是连续型变量（如身高、体重），且服从正态分布。
2. 预测范围问题：若因变量是分类变量（如“通过/不通过”），线性回归的预测值可能超出合理范围（如概率小于0或大于1）。

Logistic回归的优势：

1. 处理分类因变量：通过logit函数将线性组合转化为概率，确保输出在$[0,1]$区间。
2. 无需正态分布假定：Logistic回归对因变量的分布无严格要求，适用于二分类或多分类问题。

结论：
当因变量为分类变量时，线性回归的假定不再成立，此时应选择Logistic回归模型。题目描述正确。