Tobit模型

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

对于截堵数据，当左侧受限点为 0 ，无右侧受限点时，此模型就是所谓的「规范审查回归模型」，又称为 Tobit 模型 (Tobin，1958)。模型设定如下：

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]

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。