1. Tobit模型介绍
Tobit模型适用于归并数据，比如家庭娱乐消费这类数据的特点是如果y大于0，则我们可以观察到它；但是如果y小于等于0，那么我们只能观察到0，这种属于左归并。我的理解是，虽然一部分人的消费为0，但是他们不愿意参与消费的程度是不一样的，普通的模型无法反映这种特征。
当然也可能存在y大于等于c，我们只能观测到c的右归并情况。最后，还存在着左右双侧归并的情况。陈强老师的书中提供了证明，这类数据使用一般的OLS估计是不一致的。需要使用Tobin1958年提出的MLE估计方法，也称Tobit模型。
2. Tobit模型设定
当潜变量 y ∗ 小于等于 0 时，被解释变量 y等于 0； 当 y ∗大于 0 时，被解释变量 y等于 y ∗本身，同时假设扰动项 u i 服从均值为 0 ，方差为 σ 2 的正态分布。
3. Tobit模型的假设检验
4. Stata范例
Stata 提供 tobit 命令对归并回归模型进行估计。 在命令窗口中输入 help tobit 命令即可查看其完整帮助文件。tobit 命令的基本语法为：
tobit depvar [indepvars] [if] [in] [weight]，11[(#)] ul[(#)] [options]讯享网
其中 ll[(#)] 表示左归并，# 是左侧受限点的具体值 ；ul[(#)] 表示右归并，# 是右侧受限点的具体值。在实际运用中，可以只选择左归并或者右归并，也可以同时选择。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/127320.html