对数单位模型（logit）和概率单位模型（probit）的区别：
1. 对数单位与概率单位 ：逻辑斯蒂和概率单位两种形式十分相近，主要差别在于逻辑斯蒂曲线略为平扁，即正态或概率单位曲线比逻辑斯蒂曲线趋近渐近轴更快。

因此，这两者之间的选择，可根据(数学上)的方便和计算机程序的具备情况来决定。在这一点上，一般地说，对数模型的使用要多于概率单位模型。

图16.6
对数单位与概率单位的累积分布：（概率单位收敛的更快，更陡峭 ）

2形式的差别：
Logit对数单位模型：





概率单位pribit模型的形式：







3. 比较对数单位与概率单位的估计值
虽然对数单位和概率单位模型给出性质上类似的结果。但两个模型的参数估计值是不可直接比较的。但雨宫(Amemiya)建议，一个参数的对数单位估计值乘以O.625，能给出该参数的概率单位估计值的相当好的估计值。
附带说一句，雨宫还指明，LPM的系数与对数单位模型的系数有如下关系

3. 解释变量单位变化的边际效应
在LPM线性回归模型中，一个解释变量的斜率系数能测出解释变量取值的单位变化对对被解释变量的平均值的影响。
但因LPM、对数单位和概率单位模型都是考虑某个事件发生的概率的，如何解释其斜率系数，就要审慎了。


4、二元选择模型的估计方法通常是极大似然估计方法，极大似然估计方法的关键是极大似然函数，而极大似然函数的具体形式和所估计方程的残差假定分布形式有直接关系logit 和probit的区别是假定的残差分布形式有关系，不同的残差分布假定就会写出不同的似然函数。probit模型是假定残差标准正态分布，logit是假定残差逻辑分布。具体你还可以参见高铁梅的计量经济分析方法与建模221页