python如何做混合模型面板回归_面板Tobit模型探究（二）：模型讲解以及stata实现...

第一部分   模型发展历史

Tobit模型从最初的结构式模型扩展到时间序列模型、面板数据模型以及非参数模型等形式，无论Tobit模型的结构形式如何变化，现有的估计方法基本上都是在Heckman(1976)两步法的基础上扩展的。本文结合一些经典文献，介绍了不同类型的Tobit模型的结构形式、估计方法、估计结果的性质等，为做实证分析的研究者们提供一个分析此类问题的基本方法。  　

关键词：Tobit模型   Heckman两步法  面板Tobit模型  Tobit GARCH ARCH模型  　　

自从Tobin(1958)研究了被解释变量有上限、下限或者存在极值等问题以来，这类研究受到学者们的广泛关注。人们为了纪念Tobin对这类模型的贡献，把被解释变量取值有限制、存在选择行为的这类模型称之为Tobit模型。这类模型实际上包含两种方程，一种是反映选择问题的离散数据模型；一种是受限制的连续变量模型。第二种模型往往是文献中人们更感兴趣的部分。  　

Tobit模型不同于离散选择模型和一般的连续变量选择模型，它的特点在于因变量是受限变量，模型实际上由两类方程组成，主要研究在某些选择行为下，连续变量如何变化的问题。当前，这种模型已经引入了更复杂的形式，面板数据、半参数等形式的Tobit模型在研究中广泛应用。国外这种模型已经陆续在各领域内广泛使用，国内也有一些实证分析的论文用到了这种模型。但是人们在应用这些模型分析问题时还存在一些误区，如误认为离散选择模型就是Tobit模型，无法解释样本选择性偏差的经济含义，不区分所建立的