Logit模型不能采用OLS估计，而应该采用最大似然法（maximumlikelihood，ML）。与OLS估计不同的是，最大似然估计是通过最大化样本数据被观察到的概率来确定参数估计值的。OLS估计与ML估计的结果并非完全不同，对线性方程来说，在古典假设（包括正态性假设）满足的情况下，ML估计结果与OLS估计结果完全相同。使用最大似然法的原因之一是最大似然法具有很多可取的大样本特性。最大似然估计量具有一致性和渐进有效性（在大样本下具有无偏性和最小方差性）。在大样本下，最大似然法还有另外一些优点，诸如生成正态分布的参数估计值，适用于典型的假设检验方法。因此，logit模型需要的样本容量远大