逻辑回归和线性回归的区别：性质不同：逻辑回归：是一种广义的线性回归分析模型；线性回归：利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。应用不同：逻辑回归：常用于数据挖掘，疾病自动诊断，经济预测等领域；线性回归：常运用于数学、金融、趋势线、经济学等领域。
逻辑回归和线性回归的区别
一、性质不同
1、逻辑回归：是一种广义的线性回归分析模型。
2、线性回归：利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。
二、应用不同
1、逻辑回归：常用于数据挖掘，疾病自动诊断，经济预测等领域。
2、线性回归：常运用于数学、金融、趋势线、经济学等领域。
线性回归的特征
回归分析中有多个自变量：这里有一个原则问题，这些自变量的重要性，究竟谁是最重要，谁是比较重要，谁是不重要。所以，spss线性回归有一个和逐步判别分析的等价的设置。
原理：是F检验。spss中的操作是“分析”～“回归”～“线性”主对话框方法框中需先选定“逐步”方法～“选项”子对话框
如果是选择“用F检验的概率值”，越小代表这个变量越容易进入方程。原因是这个变量的F检验的概率小，说明它显著，也就是这个变量对回归方程的贡献越大，进一步说就是该变量被引入回归方程的资格越大。
线性回归与逻辑回归的概念
线性回归概念：线性回归就是对原数据进行一系列数据拟合，并尽可能构造一条可以拟合数据的数学模型，根据这个模型，输入测试数据进而预测数据的结果
逻辑回归概念：通过一系列数据建立一条拟合数据的模型，来预测未来某一数据的走向，逻辑回归则是建立模型将数据分为不同的类别，并预测某个数据的类别。