probit模型和logistic模型的结果在很多情况下非常想近，但是从output上比较发现，logistic回归会报告OR值，但是probit模型只会报告回归系数。而两者最大的区别在与logistic回归采用最大似然估计（ML）。而probit回归采用稳健加权最小二乘法（WLSM）（默认的方法）。
工具/原料
mplus7
方法/步骤
1
TITLE: this is an example of a probit regression for a binary or categorical observed dependent variable with two covariates DATA: FILE IS ex3.4.dat; VARIABLE: NAMES ARE u1-u6 x1-x4; USEVARIABLES ARE u1 x1 x3; CATEGORICAL = u1; ！这里假如加上了analysis： estimator=ml就变成了逻辑回归MODEL: u1 ON x1 x3;
2
运行结果，截取最重要的部分见下图
3
图中可以看出对于probit模型来说，他与logistic最大的区别在于，probit没有OR值，但是有R square。然后我们可以参照上一篇内容对两者的结果进行对比，可以发现两者的回归系数基本相同。出入不大。