在使用逻辑回归进行用户离网模型建模之前，以下步骤都是有必要的：

A: **按照是否离网分层抽样构造建模用数据集，避免某类结果的样本过少**
- **分析**：这是非常必要的，因为在建立模型时，数据集中的类别不平衡（例如，离网用户和未离网用户数量差距过大）可能会影响模型的性能。分层抽样可以确保每个类别都有足够的样本数量，这对于提升模型的准确性和稳定性是重要的。

B: **对自变量进行相关分析，并采取必要的降维处理**
- **分析**：自变量之间可能存在多重共线性，这会影响模型的解释能力和预测准确性。通过相关分析，可以识别出相关性过高的变量，并通过技术如主成分分析(PCA)进行降维，进而减少冗余信息。

C: **对用户教育程度取哑变量**
- **分析**：哑变量（Dummy Variables）是用来处理分类变量的，逻辑回归要求输入变量是数值型的。如果“用户教育程度”是一个分类变量（如小学、初中、高中、大学），则需要转换为哑变量，以便模型能够正确处理并分析这些信息。

D: **对连续变量进行分箱处理**
- **分析**：分箱处理（Binning）可以将连续变量转化为分类变量，是提高模型鲁棒性的一种常用方法。分箱能减少噪声影响，改善模型在处理非线性关系时的表现。不过，要注意过度分箱可能会导致信息损失。

因此，正确的答案是：**A, B, C, D**。这些步骤都是在逻辑回归建模之前值得采取的准备措施。