双变量 Probit 模型：分析两个二元变量之间关系的统计模型

双变量 Probit 模型是一种用于分析两个二元变量之间关系的统计模型。该模型假设两个二元变量服从正态分布，并且通过一个潜在的连续变量来决定它们的取值。

具体地说，双变量 Probit 模型可以表示为：

Y1* = β1X1 + ε1 Y2 = β2*X2 + ε2

其中，Y1* 和 Y2* 是两个潜在的连续变量，X1 和 X2 是两个解释变量，β1 和 β2 是模型的参数，ε1 和 ε2 是对应的随机误差项。然后，通过对 Y1* 和 Y2* 进行二元化，可以得到两个二元变量 Y1 和 Y2。

对于给定的 X1 和 X2 的取值，可以通过最大似然估计方法来估计模型的参数。估计结果可以用于解释两个二元变量之间的关系，并进行预测。

双变量 Probit 模型在许多领域中都有应用，例如经济学、社会科学和医学研究等。它可以用于分析两个二元变量之间的关联性，例如两个疾病的共病性、两个产品的购买行为等。