當反應變數是二元（binary）時，邏輯斯迴歸（logistic regression）可幫助我們建立解釋變數與反應變數間的關係。然而，一般在進行邏輯斯迴歸分析時，總是假設樣本資料是由簡單隨機抽樣（simple random sampling）所取得，亦即所有的樣本皆具有相同的抽樣權重（sampling weights）。不過，在實務上，許多的大型抽樣調查都是採用複雜抽樣方法（complex sampling method）來抽取樣本。例如：採用多階段抽樣（multistage sampling）結合分層抽樣（stratified sampling）或是群集抽樣（cluster sampling）的方式來進行抽樣。由於樣本不再是以簡單隨機抽樣所取得，因此，統計分析的方式可分為兩類：一類乃設計導向（design-based）;另一類則為模式導向（model-based）。其中，若將抽樣調查的抽樣設計方式以及樣本的代表性與統計模式的估計或檢定等推論過程相結合，則其屬於設計導向之方式。反之，若忽略這些因素，則相當於視調查資料來自於簡單隨機樣本，仍遵循一般的程序進行分析，則稱之為模式導向。本論文旨在探討如何以設計導向的方法，進行複雜抽樣方法所取得樣本資料的邏輯斯迴歸分析。