Logit模型是用于估计二元响应变量最常用的回归模型,然而当0-1响应变量不平衡时,使用Logit模型将会带来连接函数设定错误(link misspecification),为了更灵活地捕捉偏斜和厚尾特征,本文提出了以Alpha稳定分布作为连接函数的二元响应变量回归模型,并称之为稳定分布模型。稳定分布模型包含两个分别反映尾部厚度和偏度特征的独立参数,且具有反射对称性质(reflection property),丰富了概率响应曲线形状的变化。借助期望传播-近似贝叶斯计算(Expectation Propagation-Approximate Bayesian Computation,EP-ABC)算法,本文克服了Alpha稳定分布由于没有概率密度函数解析表达式所带来的困难,同时也解决了高维运算所导致的低接收率的问题。试验结果表明,稳定分布模型对平衡或不平衡二元响应变量数据拟合的效果均明显优于Logit模型、Probit模型和GEV模型。最后,本文将稳定分布模型应用在大型多人在线角色扮演游戏的玩家流失情况预测中,预测精度达到86%。