Mówiąc dokładniej, problem polega na tym, że jeśli użyje się modelu do przewidzenia nowej frekwencji przy spadku temperatury o 10 dla plaży, na której regularnie pojawia się 50 plażowiczów, przewidywana będzie niemożliwa liczba plażowiczów wynosząca -950. Logicznie rzecz biorąc, bardziej realistyczny model przewidywałby zamiast tego stałą stopę wzrostu frekwencji na plażach (np. wzrost o 10 stopni prowadziłby do podwojenia frekwencji na plaży, a spadek o 10 stopni prowadziłby do zmniejszenia frekwencji o połowę). Taki model nazywany jest modelem odpowiedzi logarytmicznej lub modelem logarytmiczno-liniowym, ponieważ przewiduje, że logarytm zmiennej objaśnianej będzie się zmieniał się liniowo.
Analogicznie, model liniowy przewidujący prawdopodobieństwo dokonania wyboru tak/nie (zmienna zero-jedynkowa) byłby jeszcze mniej odpowiedni, ponieważ prawdopodobieństwa są ograniczone z obu stron (muszą mieścić się w przedziale od 0 do 1). Wyobraźmy sobie na przykład model, który przewiduje prawdopodobieństwo wyjścia danej osoby na plażę w zależności od temperatury. Rozsądny model mógłby na przykład przewidywać, że zmiana o 10 stopni powoduje, że dana osoba będzie dwa razy bardziej lub mniej skłonna do wyjścia na plażę.