在实际研究中，多元线性回归在因变量是定性的情况下会导致严重缺陷。本文就是在这样的背景下，先介绍了虚拟变量的概念以及在目前很多部门常用的三种判别方法（距离判别、Bayes（贝叶斯）判别、Fisher（费歇）判别），这三种判别方法对母体的分布类型要求较高，主要应用在连续性因子变量方面，但它们也构成了线性Logistic判别的基础。 第二章，根据这三种方法的优劣，提出了一种线性Logistic判别方法。它是以Logistic概率函数为框架，以Bayes判别、Fisher判别以及极大似然估计为内核，既适用于连续型，又适用于离散型，并且对母体分布不作要求。 第三章，以Markowitz均值—方差模型为基础，提出了差异系数σ/μ极小化以及在此条件下的组合收益率极大化的均衡理论，并利用Lagrange参数法，得到了一种使单位收益风险最小的投资组合决策方法。 同时，各章都给出了案例分析。