正确答案是 D: 以上所有。

以下是对逻辑回归和一般回归分析的区别及每项的专业分析：

| 项目 | 逻辑回归 | 一般线性回归 |
|------|----------|--------------|
| 目标 | 预测事件发生的概率（如二分类问题） | 预测一个连续的因变量 |
| 依赖变量 | 二分类（例如 0 或 1） | 连续型变量（例如实数） |
| 输出 | 概率值，范围从0到1 | 任意实数值 |
| 链接函数 | 使用对数几率函数（Logit）作为链接函数 | 无需链接函数，直接线性关系 |
| 模型拟合度量 | 可以使用似然比检验、ROC曲线、AUC等方法 | 常用R平方、调整后的R平方等方法 |
| 回归系数 | 可以估计每个特征的回归系数和其对结果的影响 | 可以直接估计每个特征的线性系数 |

### 专业分析

1. **设计目的**：
- **逻辑回归**：用于处理分类任务，特别是二分类问题。它通过逻辑函数将线性模型的输出转换为概率值。
- **一般回归分析**：用于预测连续值。例如，通过线性关系预测房价。

2. **模型拟合的度量**：
- **逻辑回归**：拟合程度可以通过似然比检验等专用的方法来衡量，还可以利用ROC曲线和AUC值来评估分类性能。
- **一般回归分析**：常用的度量包括R平方和调整的R平方值，描述模型解释变量方差的能力。

3. **系数估计**：
- **逻辑回归**：估计的系数反映了自变量对事件发生的对数几率的影响。
- **一般回归分析**：回归系数直接反映了自变量对因变量的线性影响。

逻辑回归和线性回归模型在不同的应用场景中各有其优势和局限，选择合适的模型应根据数据特征和分析目标来决定。