A正确：Logistic回归的因变量是二元分类变量（如流失/不流失），服从二项分布，参数估计采用最大似然法；线性回归假设误差项ε服从正态分布，并使用OLS进行参数估计。B正确：线性回归预测值可能为负数或超过1（如1.1或-0.2），无法作为概率解释；Logistic回归通过logit变换将概率P_i映射为logit(P_i)=ln(P_i/(1-P_i))，使预测值范围扩展至整个实数轴，再通过Sigmoid函数转换为[0,1]的概率。C错误：线性概率模型（如Y=βX+ε）虽可用于二元分类，但预测值仍可能超出[0,1]，且其残差方差不满足齐性假设，实际应用中不如Logistic回归稳健。D正确：Logistic回归理论上支持多元分类，但实际分析中常将多元问题（如客户满意度高/中/低）整合为二元问题（如满意/不满意）以简化模型并提高解释性；线性回归仅适用于连续型变量（如销售额、温度）。