简单线性回归、多重线性回归和logistic回归都是常见的回归分析方法，它们之间的异同如下：
相同点：
(1) 都是用于探索自变量与因变量之间关系的统计方法。
(2) 目的都是为了解释自变量对因变量的影响或者预测因变量的值。
(3) 都需要满足一定的假设条件，如线性关系、误差项独立同分布等。
不同点：
(1) 因变量类型：简单线性回归和多重线性回归的因变量是连续变量，而logistic回归的因变量是分类变量，可以是二分类的或多分类的。
(2) 自变量的要求：简单线性回归要求自变量和因变量之间呈线性关系，多重线性回归对此没有特定要求。logistic回归不要求自变量和因变量之间呈线性关系，而是关注自变量对因变量取某个值的概率的影响。
(3) 模型的应用：简单线性回归通常用于探索一个自变量和一个因变量之间的关系，多重线性回归则适用于多个自变量和一个因变量之间的关系。logistic回归则主要用于预测分类因变量的值，如分类预测或二元分类预测。
(4) 假设条件：简单线性回归要求误差项呈正态分布，多重线性回归对此没有特定要求。logistic回归对误差项的分布没有特定要求，但通常假定误差项是独立同分布的。
总之，简单线性回归、多重线性回归和logistic回归虽然都是回归分析方法，但是它们在因变量类型、自变量的要求和应用场景等方面存在一定的差异。