对数几率回归其实是设计用来解决分类问题的；对数几率回归可以用来检验模型对数据的拟合度；虽然对数几率回归是用来解决分类问题的，但是模型建立好后，就可以根据独立的特征，估计相关的回归系数。就我认为，这只是估计回归系数，不能直接用来做回归模型。

正确答案是：D: 以上所有。

### 专业分析

对数几率回归（Logistic Regression）和一般线性回归分析在统计学和机器学习中都是重要的工具，但它们用于解决不同类型的问题。

| 特点 | 对数几率回归 | 一般线性回归 |
|------|-------------|-------------|
| **目标** | 用于处理分类问题，即预测事件发生的概率。 | 解决回归问题，预测一个连续值。 |
| **输出** | 输出是一个概率值，通常通过阈值（如0.5）将其转换为二进制分类结果。 | 直接输出预测值。 |
| **函数形式** | 假设自变量的线性组合的结果经过逻辑函数（sigmoid/logistic函数）变换。 | 自变量的线性组合。 |
| **适用场景** | 常用于二分类或多分类问题（通过扩展到多项Logistic回归）。 | 适用于因变量为连续变量的场景。 |
| **模型拟合** | 最大似然估计用于模型拟合，模型拟合的好坏可以通过伪R²、AUC等指标评估。 | 最小二乘法用于模型估计，R²用于模型拟合的评价。 |
| **系数解释** | 回归系数通过指数化可以解释为对数几率（log odds）的变化。 | 回归系数直接解释为因变量的变化。 |

### A. 对数几率回归是设计用来预测事件可能性
对数几率回归专门用于预测事件发生的概率，是处理二分类问题的标准方法。

### B. 对数几率回归可以用来度量模型拟合程度
对数几率回归的模型拟合程度可以通过多种指标进行评估，如伪R²、AUC（曲线下面积）等。

### C. 对数几率回归可以用来估计回归系数
对数几率回归估计的回归系数可以用来解释自变量对因变量的影响，通过指数化系数可以得到对数几率比（odds ratio）。

综上所述，对数几率回归在设计目的、模型拟合度量和系数估计方面都有其独特的功能和用途。