Probit模型是一種用於處理二分類（0-1分類）問題的統計模型，常見於社會科學、經濟學和醫學等領域。
在Probit模型中，假設個體只有兩種選擇，即y=1或y=0，影響選擇的變數都包括在向量x中。最簡單的Probit模型就是指被解釋變數Y是一個0,1變數，事件發生的機率是依賴於解釋變數，即P(Y=1)=f(X)，其中f(.)服從標準常態分配。
Probit模型與Logit模型類似，也是一種常用的廣義線性模型，不同之處在於模型的連線函式為標準常態分配，即Probit的連線套用於機率(x)得到的是標準常態分配的z值，相當於是標準常態分配的反函式，z值的取值範圍從理論上就能夠在負無窮到正無窮之間，就能夠與等號右邊的x的取值範圍相同，這樣就實現了非線性模型到線性模型的一個轉換，也就是廣義線性模型。
如果因變數是序次變數，回歸時則只能用有序Probit模型。有序Probit可以看作是Logit的擴展。
此外，Probit模型的優勢在於它可以對非線性關係進行建模，並且輸出結果易於解釋。通過估計參數，可以得到每個自變數對因變數的影響程度，並進行顯著性檢驗。但它也存在一定缺點，即Probit回歸的偏回歸係數經濟意義很難解釋。