L’équation de régression logistique est noté z = b0 + b1X1 + b2X2 + …+ bkXk,
• Où z est le odds log de la variable dépendante ou logit.

• Le terme b0 est le terme constant ou d'interception dans l'équation. Il reflète les odds log (estimation logit) de la variable dépendante lorsque les prédicteurs de modèle sont évalués à zéro. Les interceptions seront plus interprétables si les prédicteurs sont centrés sur leurs moyennes avant l'analyse, car alors les interceptions sont les probabilités logarithmiques des variables dépendants lorsque les prédicteurs sont à leurs valeurs moyennes. En régression logistique binaire, il existe une estimation d'interception. Dans la régression logistique multinomiale, il y a (k - 1) interceptions, où k est le nombre de catégories de la variable dépendante et 1 est soustrait pour la valeur de référence.
• • Il existe k variables indépendantes (X), dont certaines peuvent être des termes d'interaction.
  • Les termes «b» sont les coefficients de régression logistique, également appelés estimations de paramètres.
• Exp (b) = l'odds ratio pour une variable indépendante = la base de log népérienne élevée à la puissance de b. L'odds ratio d'une variable indépendante est le facteur par lequel la variable indépendante augmente ou) diminue si elle est négative les probabilités logarithmiques de la variable dépendante. Le terme «odds ratio» fait généralement référence aux odds ratios pour les variables indépendantes.

Pour convertir les odds log (qui est z encore appelé logit) en odds ratio, la base logarithmique népérienne  est augmentée à la puissance zth: odds (event) = exp (z) = l'odds ratio de la variable dépendante. Exp (z) est donc l'estimation de la cote (événement). Pour la régression logistique binaire, il s'agit généralement de l'estimation des probabilités que la dépendance = 1. Pour la régression logistique multinomiale, il s'agit généralement de l'estimation des probabilités que la personne dépendante soit égale à une valeur donnée plutôt qu'à la valeur la plus élevée.
En d'autres termes, la régression logistique prédit les probabilités logarithmiques de l'événement dépendant. L'événement est une valeur particulière de y, la variable dépendante. Par défaut, l'événement est y = 1 pour les variables dépendantes binaires codées 0,1 et la catégorie de référence est 0. Pour les valeurs multinomiales, l'événement y est égal à la valeur d'intérêt et la catégorie de référence est généralement la valeur la plus élevée de y. Notons que pour une variable dépendante binaire codée (0, 1), la catégorie de référence est 0 en régression logistique binaire mais 1 en régression logistique multinomiale. Autrement dit, la régression multinomiale retourne la reference

Notez que la valeur prédite et la valeur par défaut de la catégorie de référence dans la régression logistique peuvent varier selon le progiciel et selon que la régression binaire ou multinomiale est requise. Ceci est discuté dans la section qui suit.