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