在一般的多元回归问题中，我们通常假设自变量之间是相互独立的，因变量是连续型变量。然而在实际应用中，自变量之间会存在多重共线性，并且因变量是二分类的离散型变量。对于多重共线性问题的处理，岭估计是最受欢迎的方法，同时Logistic回归是处理二分类数据的著名方法。因此，本文将岭估计应用到Logistic回归模型中，具有很大的理论研究意义及应用价值。本文研究了二分类Logistic回归模型，并且假设回归参数可能存在某些线性约束条件时，提出了三种Logistic回归参数估计方法，分别为无约束估计、约束估计和初步试验估计。当自变量的资料矩阵奇异时，将岭估计与三种Logistic回归估计结合，相应的提出了三种Logistic岭回归参数估计方法：无约束岭估计，约束岭估计和初步试验岭估计。进一步，本文研究了这三种岭估计的渐近分布，并求出了三种岭估计的均方误差矩阵和二次风险函数。本文基于风险函数又对三种岭估计的优良性做了数值上的比较。比较方法分为两类，第一类为三种岭回归估计与三种回归估计之间的比较，主要采取对岭回归估计的风险函数关于岭参数求导数的方法，最终求出满足Logistic岭回归估计优于Logistic回归估计的岭参数的取值范围。第二类为三种岭回归估计之间的比较，主要采取对任意两种岭回归估计的风险函数作差的方法，最终以具有小风险函数的估计为优，分别得到了三种岭估计为最优估计时的估计区间。最后，本文根据印度的一组患者患肝病情况的病例数据，利用SAS软件，对Logistic无约束岭估计进行了数值模拟，最终找到了合适的岭参数，使得自变量存在复共线性时，Logistic无约束岭估计优于Logistic无约束估计。