1.资料要求不同
①反应变量的类型不同
Logistic回归适用于反应变量为分类变量的资料多元线性回归适用于反应变量为连续性定量变量的资料（服从正态分布）
②多元线性回归既适用于大样本资料又适用于小样本资料，但要对自变量得不同取值应变量Y要服从正态分布和等方差，这一条件在实际工作中有时得不到满足，Logistic回归除要求应变量为分类变量外，对资料几乎没有什么限制，且参数有明确的实际意义（OR的估计值），但要求有较大的样本含量。
2.模型的基本形式不同
Logistic回归模型基本形式为：多元线性回归模型的基本形式为
3.回归模型的参数估计方法不同Logistic回归模型采用加大似然估计法估计参数多元线性回归模型采用最小二乘法估计参数
4.模型和回归系数的假设检验方法不同
Logistic回归采用似然比法对模型整体进行假设检验，采用Wald检验对每个回归系数进行假设检验多元线性回归采用方差分析对模型整体进行假设检验，采用t检验对每个回归系数进行假设检验
5.研究目的不同
多元线性回归主要用于研究一个应变量与多个自变量之间的依存关系Logistic回归中自变量与应变量之间无限性关系，主要用于筛选精兵的危险因素，作病因分析、控制和校正混杂因素等

先建立似然函数或对数似然函数，然后求得使似然函数或对数似然函数达到极大值时的参数的取值，称为参数的最大似然估计值。