1. 多項式logistic迴歸: 預測兩個類別以上的類別變數 。
2. 二項式logistic迴歸: 輕鬆分類您的資料到兩個類別 。
3. 非線性迴歸與限制的非線性迴歸(CNLR): 估計非線性模型的參數 。
4. 加權最小平方法(Weighted least squares): 在一數值序列中給予更大的權重進行測量 。
5. 二階段最小平方法(Two-stage least squares): 協助控制預測變數與誤試項之間的關係 。
6. Probit 分析: 使用logit或probit連結函數的轉換去估計目標變數的機率。

使用範圍廣泛的非線性迴歸程序應用更複雜的模型到您的資料，包含：

1. 二元邏吉斯迴歸(Binary Logistic Regression )
2. 多元邏吉斯迴歸(Multinomial Logistic Regression , MLR)
3. Probit分析(Probit Analysis)
4. 受限非線性迴歸(Constrained Nonlinear Regression , CNLR)
5. 非線性迴歸(Nonlinear regression, NLR)
6. 加權最小平方法(Weighted Least Square)
7. 二階段最小平方法(Two-Stage Least Squares, 2SLS)