در بسیاری از مسائل آماری، متغیرها اثرات برهمکنشی روی یکدیگر دارند. روشهای آماری موجود برای تعیین مدلهای پیش‌بینی از جمله روشهای رگرسیونی و درختهای تصمیم، قابلیت تشخیص و لحاظ کردن چنین اثراتی را ندارند و اثرات متقابل بین متغیرها در صورت شناسایی و لحاظ کردن در مدل، به دلیل پیچیده شدن آن، نهایتا از دوطرفه و سه طرفه تجاوز نمی کند. برای غلبه بر این نقص این مطالعه به معرفی رگرسیون منطقی به عنوان یک روش رگرسیونی تعمیم یافته و جدید می پردازد که در آن متغیرهای پیشگو به صورت ترکیبات بولی از متغیرهای دو حالتی ساخته میشود. برای یافتن چنین ترکیباتی در فضای حالتهای ممکن و همچنین برآورد پارامترهای مربوط به این ترکیبات از الگوریتم جستجوی Annealing استفاده می شود. آزمونهای تصادفی سازی برای تایید وجود ارتباط بین داده ها بکار میرود. به منظور اجتناب از بیش برآورد شدن، تعداد بهینه ترکیبات منطقی و متغیرهای مدل به روش اعتبار متقاطع تعیین می گردد. به عنوان کاربردی از این روش، داده های حاصل از مطالعه کوهورت قند و لیپید تهران، با استفاده از رگرسیون منطقی تحلیل شدندکه در آن اثر متغیرهای تن‌سنجی، قند و لیپیدها، فشار خون و ... بر بروز دیابت بررسی شد و در نهایت مدلی برای پیش‌بینی ابتلا به دیابت ارائه می گرد