為什麼經濟學研究人員對二元響應變量使用線性回歸？

最近，我不得不閱讀幾篇經濟學（我不太熟悉的領域）的論文。我注意到的一件事是，即使響應變量是二元的，使用 OLS 擬合的線性回歸模型也無處不在。因此，我的問題是：

**為什麼線性回歸比經濟學領域的邏輯回歸更受青睞？**這只是一種常見的做法，還是一種積極倡導的程序（在論文中、教師等）？

請注意，我不是在問為什麼使用帶有二元響應的線性回歸可能是一個壞主意，或者替代方法是什麼。相反，我問為什麼人們在這種情況下使用線性回歸，因為我知道這兩個問題的答案。

Dave Giles 的計量經濟學博客上的這篇博文主要概述了線性概率模型 (LPM) 的缺點。

但是，他確實列出了****研究人員選擇使用它的原因的簡短列表：

• 它在計算上更簡單。
• 更容易解釋“邊際效應”。
• 它避免了錯誤指定“鏈接功能”的風險。
• 如果您有內生的虛擬回歸量，Logit 或 Probit 就會出現並發症。
• LPM、Logit 和 Probit 模型估計的邊際效應通常非常相似，尤其是在樣本量很大的情況下。

我不知道與 logit 或 probit 相比，LPM 是最常用的，但上面的一些原因對我來說是明智的。

引用自：https://stats.stackexchange.com/questions/304437