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

  • 3
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值