多重線性回歸和logistic回歸區別如下：
線性回歸、logistic回歸和Cox回歸三種模型適用於不同的數據類型，所謂數據類型特指這些模型的因變量數據類型。如果因變量是近似服從正態分布的定量變量，常采用線性回歸；如果因變量是定性分類變量，則可采用logistic回歸；
如果因變量是描述結局是否發生以及發生的時間，並且容許有壹定的截尾資料，則采用Cox回歸。模型中因變量與自變量之間的關系各有不同，線性回歸的Y與X之間呈線性關系。
Cox回歸是在生存時間t的風險函數h與X之間建立關系。為了獲得回歸參數的估計值，線性回歸采用最小二乘法，而logistic回歸和Cox回歸采用最大似然法。線性回歸通常直接解釋回歸系數的涵義，而logistic回歸與Cox回歸主要采用優勢比（OR）與風險比（HR），解釋。
聯系：
1、對自變量的要求。三種模型的自變量均沒有特殊要求，可以是定量變量、也可以是定性變量；定性變量可以是有序分類變量，也可以是無序分類變量。
定量變量可以直接采用原數據代入回歸模型，但定性變量特別是無序分類名義變量在代入回歸模型前必須考慮啞變量化問題，名義變量的啞變量化（參見第壹節）適用於這三種模型的每壹種。
2、應用。這三種模型均可以用於控制混雜因素、篩選危險因素、以及對因變量進行預測。將混雜因素放入到回歸模型中，再解釋回歸模型的某壹因素的作用，即可達到控制混雜因素的目的。
三種模型均可以用於篩選危險因素，通過將所有可疑的危險因素變量放入回歸模型，然後采用軟件的變量篩選方法（參見第壹節），將有統計學意義的危險因素引入到模型，將無統計學意義的危險因素剔除到模型之外。
此外，三種模型均可以用於預測，將所有自變量的已知信息代入回歸模型，便可以對因變量Y（線性回歸）、因變量Y取某壹值的概率（Logistic回歸），或生存時間t時刻因變量Y取某壹值的風險率（Cox模型）進行間接預測，獲得其估計值。
3、交互作用。L.ogistic回歸和Cox模型也可以象多重線性回歸壹樣考慮交互作用問題，具體參見第壹節。
4、***線性問題。在實際數據分析中，多個自變量之間有時會有較強的相關關系，導致嚴重的***線性問題出現，這種***線性問題在這三種模型中都會出現。