probit模型是一種廣義的線性模型。服從正態分佈。
最簡單的probit模型就是指被解釋變數Y是一個0,1變數，事件發生的概率是依賴於解釋變數，即P(Y=1）=f(X)，也就是說,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。
模型也叫模型，服從分佈。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。但模型簡單直接，應用更廣。
而且，當因變數是名義變數時，和沒有本質的區別，一般情況下可以換用。區別在於採用的
分佈函數不同，前者假設隨機變數服從邏輯
概率分佈，而後者假設隨機變數服從正態分佈。其實，這兩種分佈函數的公式很相似，函數值相差也並不大，唯一的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，如果因變數是序次變數，回歸時只能用有序模型。有序可以看作是的擴展。
