在所有的统计模型中,线性模型具有最简单的形式。它是最容易处理的统计模型,同时也是最基础、最有效的统计模型之一。然而,在许多情况下,响应变量和解释变量之间往往并不具有线性关系。解决这一问题的一个想法是,通过适当的调整线性模型,以保留原有的线性假设。Probit模型就是对这一想法最早的一个成功实践。Probit模型源于对生物实验的统计处理。但是,随着模型的发展,Probit模型逐渐的脱离了生物实验的束缚并最终成为了一个独立的广义线性模型。由于Probit模型具有很好的统计性质,它已成为目前使用最为广泛的统计模型之一。而且,它自身也发展成为一个由一元Probit模型,多元Probit模型(MPM),多项Probit模型(MNP),有序Probit模型(OP)等模型及处理方法组成的模型体系。为了进一步的应用和研究,我们需要对这些模型有一个清楚的了解。本文,从Probit方法的发明开始,研究和分析了Probit模型发展和演变的过程。并且,对一些具体模型的处理方法做了概括性的叙述。另外,本文还浅显的分析了Probit模型当前的发展状况和未来的发展方向。