probit模型

最簡單的probit模型就是指被解釋變量Y是一個0,1變量，事件發生的概率是依賴於解釋變量，即P（Y=1）=f(X)，也就是説,Y=1的概率是一個關於X的函數，其中f(.)服從標準正態分佈。若(f.)是Logistic分佈，則其為Logistic模型

logit模型也叫Logistic模型，服從Logistic分佈。probit模型服從正態分佈。兩個模型都是離散選擇模型的常用模型。但logit模型簡單直接，應用更廣。

而且，當因變量是名義變量時，Logit和Probit沒有本質的區別，一般情況下可以換用。區別在於採用的分佈函數不同，前者假設隨機變量服從邏輯概率分佈，而後者假設隨機變量服從正態分佈。其實，這兩種分佈函數的公式很相似，函數值相差也並不大，區別在於邏輯概率分佈函數的尾巴比正態分佈粗一些。但是，如果因變量是序次變量，迴歸時只能用有序Probit模型。有序Probit可以看作是Logit的擴展。