En el modelo logístico idealizado, obtenemos una curva en forma de S que relaciona cada IV continua con la VD. Pero en la práctica esta forma de S ocurre con poca frecuencia, lo que hace que el enfoque logístico parezca un poco menos superior para este tipo de datos. Por supuesto, las probabilidades predichas de que cada observación sea "1" en la VD son utilizables en la regresión logística y no en la regresión MCO, ya que en esta última estas probabilidades pueden superar los límites de [0,1]. Pero, con fines exploratorios, y si no necesitamos las probabilidades predichas, ¿hasta qué punto es sensato utilizar MCO para ver qué IV tienen relaciones fuertes frente a moderadas frente a débiles con la VD? ¿No equivaldría esto a una especie de versión multivariante de la correlación punto-biserial? (Los coeficientes de regresión estandarizados, por no mencionar las estadísticas de colinealidad y los gráficos parciales, son todos, creo, más fáciles de obtener en OLS que en logístico).
+1. Para añadir a lo último que dijo Michael, probit y log-log complementario son otras dos funciones que mapean $(0,1)$ a $(-\infty, \infty)$ que se aplican en muchos paquetes de software.