本文表明，使用最大似然（ML）原理估计多元概率模型会导致一致且正态分布的伪最大似然回归参数估计（PML估计），即使响应的“真”相关结构被错误指定。因此，例如，随机效应概率模型的PML估计值可用于估计具有任何“真”相关结构的模型的回归参数。该结果与模型中包含的协变量类型无关。蒙特卡罗实验结果表明，相对于随机效应二元面板probit模型的PML估计和使用Liang和Zeger（1986）提出的“广义估计方程”方法的两种替代估计，独立二元probit模式的PML估计器效率低下，如果“真实”相关性很高。如果“真实”相关性很低，那么在有限样本和所用模型中，估计值之间的差异很小。一般来说，相对于GEE估计量，随机效应概率面板模型的PML估计量非常有效。因此，如果不能排除二进制响应之间的相关性，并且关联的“真实”结构未知或不可行，建议使用随机效应概率模型的PML估计。