OLS vs regresi logistik untuk analisis eksplorasi dengan hasil biner

Dalam model logistik ideal, kami memperoleh kurva berbentuk S yang menghubungkan setiap IV kontinu ke DV. Tetapi dalam praktiknya bentuk-S ini jarang terjadi, membuat pendekatan logistik tampak sedikit kurang unggul untuk tipe data seperti itu. Tentu saja probabilitas yang diprediksi bahwa setiap pengamatan akan "1" pada DV dapat digunakan dalam logistik dan tidak dalam regresi OLS, karena dalam yang terakhir probabilitas ini dapat melebihi batas [0,1]. Tetapi, untuk tujuan eksplorasi, dan jika kita tidak membutuhkan probabilitas yang diprediksi, seberapa sehat menggunakan OLS untuk melihat IV mana yang memiliki hubungan kuat vs sedang vs lemah dengan DV? Bukankah ini sama dengan versi multivariat dari korelasi titik-biserial? (Koefisien regresi terstandarisasi, belum lagi statistik collinearity dan plot parsial,

Jika variabel penjelas memiliki nilai di seluruh garis nyata, tidak masuk akal untuk menyatakan harapan yang proporsional $[0,1]$sebagai fungsi linier dari variabel yang didefinisikan pada seluruh garis nyata. Jika bentuk sigmoid dari transformasi logit tidak menggambarkan bentuk maka mungkin yang terbaik adalah mencari transformasi berbeda yang dipetakan$[0,1]$ ke $(-∞ , ∞)$.