Logit: Pr(Y=1∣X)=[1+e−X′β]−1Pr(Y=1∣X)=[1+e−X′β]^(−1)
Probit: Pr(Y=1∣X)=Φ(X′β)Pr(Y=1∣X)=Φ(X′β)
logistic has slightly flatter tails較緩慢probit curve approaches the axes 較快
Logit has better interpretation than probit. Logistic regression can be interpreted as modeling log odds. Usually people start the modeling with logit. You could use likelihood value to decide logit or probit

谢谢你！

你说的是Log pseudolikelihood这个吗？        两个模型的结果差不多，logit是-45.903168， probit是-45.94839。这样的情况的话，我是不是随便选哪个都可以？

p.s. 所言极是呀，，我也想用Logit, 因为好解释。。
是先用的logit, 然后被要求把probit和概率线性模型的结果也列出来，以此来提高模型稳定的说服力（？）。。然后就出现了这样的情况。。

是可以随便选

好的，谢谢啦！