在统计学中，多元和多重意味着两个不同的事物。在回归模型中，“多个”表示几个预测变量/自变量。另一方面，“多变量”用于表示几个（2 个或更多）响应/因变量。为此，多元逻辑回归是具有多个二元结果的逻辑回归。例如，在同一逻辑回归模型中同时包含 HIV 状态（阳性或阴性）和安全套使用（是或否）作为响应/结果。两种响应都是二元的（因此也可以使用逻辑回归、概率回归），并且涉及多个响应/因变量（因此是多变量的）。笔记在多变量分析中，模型中使用的响应之间应该存在某种相关性。否则，应为每个响应拟合单独的逻辑回归模型。在上面以 HIV 状态和安全套使用作为因变量的示例中，在 HIV 状态和安全套使用之间应该存在一些受试者内部的相关性。

与多元逻辑回归相反，多元逻辑回归是只有一个响应但有多个预测因子的逻辑回归。例如，使用性伴侣的数量和安全性行为作为可能的独立变量来预测 HIV 状态（阳性或阴性）。在这里，只涉及一种反应（艾滋病毒状态）。但是，有两个或更多（在这种情况下只有两个）预测变量/自变量，即 1. 性伴侣数量和 2. 安全性行为的实践

就医学文献中的标准用法而言，您的问题没有可靠的答案。@DirkHorsten 在此处对另一个答案的评论中引用的论文检查了一年内发表在单一高质量公共卫生期刊上的文章，该期刊可能在其审查实践中具有统计专业知识。有时“多变量”这个词代表纵向数据，有时它只是代表模型中的多个预测变量，只有一个结果变量，没有混合效应。

恐怕您至少现在必须阅读每篇论文才能了解作者所说的“多变量”是什么意思。

“标准逻辑回归”（广义线性模型的一部分）

逻辑回归可以是具有固定系数的“标准”逻辑回归，因此在单变量情况下（为简单起见，我采用一个解释变量，但推理也适用于多变量情况），逻辑回归试图预测 '成功'取决于解释变量的给定值：。$P(y=1|_{X=x})=\frac{1}{1+e^{-(\beta_1 x + \beta_2)}}$

如果您假设您的系数是固定的，那么您将得到 @Enrique (+1) 所解释的逻辑回归。

混合效应逻辑回归（广义混合效应模型的一部分）

但是在某些情况下，不假设固定的 可能很有趣，例如，因为您认为对于调查中的每个参与者，截距是不同的（请参阅我关于如何解释参与者的回答中的线性模型示例研究设计？）。如果您假设例如是随机的，那么您可以估计此“混合效应逻辑回归模型”的这些系数。$\beta_i$$\beta_2$

参数的估计有点复杂，但在大多数统计软件中都实现了。然而，估计参数的解释更难。$\beta_i$

您可能想看看“Bahadur 模型”。在 Bahadur 模型中，“多元逻辑回归”中的“多元”是指多个二元因变量，它们可能在二阶或更高阶相关。有关此模型的描述，请参见 Verbeke 和 Molenberghs 的参考资料。最好的，罗兰多