逻辑回归在许多领域中都有广泛的应用,对于它的处理方法,一般是采用极大似然估计方法,同时贝叶斯方法的运用可以提高逻辑回归的准确性,因为引入了合理的先验分布函数,可以有效的降低估计参数时产生的误差。但是Fisher在1930年提出了Fiducial推断的思想,不需要先验信息也能够对参数进行估计,使得参数估计更加简单。本文着重研究逻辑回归的Fiducial推断,通过蒙特卡罗方法构建了逻辑回归系数的置信区间,对逻辑回归的Fiducial推断进行了进一步的研究与验证。首先,本文给出了逻辑回归、贝叶斯以及Fiducial推断的介绍;其次,基于Fiducial推断对逻辑回归进行了有限样本行为研究,采用控制变量法,分别模拟比较了逻辑回归的极大似然估计、贝叶斯推断以及Fiducial推断得到的回归系数置信区间的覆盖率、置信区间平均长度以及方差、以及估计参数的Bias和MSE。结果发现,逻辑回归的Fiducial推断在小样本的情况下得到的结果要优于其他的两种方法,具体表现在它得到的覆盖率更加接近于给定的置信水平,同一置信水平下得到的置信区间长度较窄,参数估计的Bias和MSE较小,估计的精度更高。最后单独比较了逻辑回归的Fiducial推断在不同情形下的结果,根据数值模拟结果发现,逻辑回归的Fiducial推断在小样本的情形下具有良好的性质。并进行了实证研究。