本文提出了一个基于转换beta(或“z”)分布的二分选择模型。这个模型被称为bett，同时嵌套logit和probit，并允许各种倾斜和峰值扰动密度。因为密度的形状影响二分类选择变量及其行列式之间的估计关系，转换后的beta分布的更大的灵活性有助于生成这种关系的更准确表示。本文讨论了logit模型和probit模型在应该使用probit的情况下的渐近偏差。它还研究了小样本功率，并提供了两个应用实例，说明了贝特模型的能力。