tobit回归模型（tobit回归模型stata命令）

本篇文章给大家谈谈tobit回归模型，以及tobit回归模型stata命令对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、什么是tobit 模型
• 2、一文看懂tobit模型怎么做
• 3、什么是tobit模型
• 4、dea-tobit模型的逻辑在哪

什么是tobit 模型

Tobit模型(tobit model)是指因变量虽然在正值上大致连续分布，但包含一部分以正概率取值为0的观察值的一类模型。

比如，在任一给定年份，有相当数量家庭的医疗保险费用支出为0，因此，虽然年度家庭医疗保险费用支出的总体分布散布于一个很大的正数范围内，但在数字0上却相当集中。

它也被称为截尾回归模型或删失回归模型(censored regression model)，属于受限因变量(limited dependent variable)回归的一种。

受悔瞎搏限因碧祥变量指因变量的观测值是连续的，但是受到某种限制，得到的观测值并不完全反映因变量的实际状态。主要包括断尾回归模型(truncated regression model)、Tobit模型(tobit model)和样本选择模型(sample selection model)等。

扩展资料：

使用回归分析的好处良多。具体如下：

1、它表明自变量和因变量之神旁间的显著关系；

2、它表明多个自变量对一个因变量的影响强度。

回归分析也允许我们去比较那些衡量不同尺度的变量之间的相互影响，如价格变动与促销活动数量之间联系。这些有利于帮助市场研究人员，数据分析人员以及数据科学家排除并估计出一组最佳的变量，用来构建预测模型。

参考资料来源：百度百科——Tobit模型

[img]

一文看懂tobit模型怎么做

在某些情况下，被解释变量Y的取值范围会受到限制，比如研究家庭医疗保险支出的影响因素时，某此家庭没有医疗支出即数字全部为0，也或者研究家庭收入水平时，某些样本家庭完全没有收入那么收入就全部为0，也或者数据调查中有一项为收入为10万以上，那么10万以上的具体数据就‘截尾’（没有10万以上，最多就到10万），又比如研究存款的影响因素，但是有的样本存储为负数（即其为负债非存储），诸如此类，按常理应该是正常的正态数据灶并，但是其被解释变量出现‘断层’（删失），均可使用tobit模型进行研究（而不是常用的ols线性回归）。

特别提示：

以下介绍使用SPSSAU-在线SPSS分析工具做tobit回归模型。

当前有一项关于工资影响因素的研究，被解释变量为ln工资，解释变量为年龄，是否结婚（数字1代表结婚，数字0代表未结婚），子女数量，受教育年限共4个。被解释变量ln工资为工资取对数，如果没有工资则为数字0。明显的，类似这样的数据应该使用ols线性回归，但考虑到数据中有很多工资为0（即没有工资），此时就可考虑使用tobit模型更加适合。为更加方便的查看被解释变量的数据分布情况，将ln工资作直方图如下：

从上图可以明显的看到，数字出现删失，即有一部分数据集中在数字0。当然在分析的时候可考虑筛选出数字大于0的数据再进行ols线性回归也可（但这样做会减少样本利用率），如果说筛选出ln工资大于0后再做直方图如下：

明显的可以看到，筛选出ln工资大于0的数据，其明显的服从正态分布，使用ols线性回归非常适合。正因为此，tobit目的在于解释‘删失或受限’的数据情况。本案例使用tobit回归模型研究年龄，是否结婚，子女数量，受教育年限共4项对于ln工资的影响情颤迹况。

Tobit回归模型用于解决‘删失/受限被解释变量’这种问题，如果被解释变量中的数据有出现‘删失/受限’，此时进行ols回归并不科学。删失分为两种，分别是‘左删失leftcensor’和‘右删失rightcensor’，如果说小于等于某个数字的数据‘不正常’（左删失leftcensor），也或者大于等于某个数字的数据‘不正常’(右删失rightcensor)，此时均可使用Tobit模型。

本案例操作截图如下：

本案例中有左删失数据，且leftcensor为0，因此在‘LeftCensored’中输入数字0，本案例数据并没有右删失值，因此不设置‘RightCensored’。

SPSSAU共输出4类表格，分别是Tobit回归模型似然比检验，Censor数据样本汇总，Tobit回归分析结果汇总和Tobit回归分析结果汇总-简化格式。说明如下：

上表格展示Tobit回归模型似然比检验结果，其一般用于判断模型是否有意义，原理上Tobit模型使用极大似然法进行计算，因而可对似然比检验结果进行关注。从上表可知，似然比检验的p值为0.0000.05，即说明放入4个解释变量对于模型有帮助，即说明模型构建有意义。

上表格展示删失数据的分布情况。共有2000个样本，本案例设定左删失leftcensor为数字0，上表格展示出共有657个样本为左删失数据（即在657个样本茄辩并数据小于等于数字0），比例为32.85%，没有设置右删失rightcensor，则没有右删失数据。

上表格展示出tobit回归模型拟合结果。模型公式为：ln工资 = -2.808 + 0.052*年龄 + 0.484*是否结婚 + 0.486*子女数量 + 0.115*受教育年限。模型的McFadden R 方为0.064，即意味着4个解释变量对于工资的解释力度为6.4%【特别提示：通常情况下对此指标的关注度较低】。

最终具体分析可知：

年龄的回归系数值为0.052，并且呈现出0.01水平的显著性(z=9.078，p=0.0000.01)，意味着年龄会对工资产生显著的正向影响关系，年龄越大工资越高。是否结婚的回归系数值为0.484，并且呈现出0.01水平的显著性(z=4.677，p=0.0000.01)，意味着是否结婚会对工资产生显著的正向影响关系，即相对未婚群体，已婚群体的工资明显更高。子女数量的回归系数值为0.486，并且呈现出0.01水平的显著性(z=15.329，p=0.0000.01)，意味着子女数量会对工资产生显著的正向影响关系，子女数量越多的群体工资收入越高。受教育年限的回归系数值为0.115，并且呈现出0.01水平的显著性(z=7.617，p=0.0000.01)，意味着受教育年限会对工资产生显著的正向影响关系，即受教育年限越多的群体工资收入会越多。

总结分析可知：年龄, 是否结婚, 子女数量, 受教育年限共4项均会对工资产生显著的正向影响关系。

上表格展示出Tobit回归模型的简化结果表格，该表格列出模型的关键信息点，可直接使用。

提示‘没有uncensored数据’，如果设置leftcensored或rightcensored后，导致未删失数据个数为0，则会出现此提示。

1、Tobit回归时的模型似然比检验不通过，显示模型无意义？

Tobit回归模型用于解决有删失数据的样本，当然也可考虑使用ols回归（此时不考虑删失数据这一问题），与此同时，也可考虑先筛选过滤掉删失数据，然后再进行ols回归。建议可对比ols回归和tobit回归的结果，综合进行判断。

2、McFadden R 方非常低？

Tobit回归时McFadden R 方的意义相对较小，一般不用过多关注此指标。

什么是tobit模型

评估效率的农村卫生中心上沃尔特:数据包络分析方法的应用保罗Marschall和史蒂芬Flessa2008年5月10日收到:2008年8月14日/接受:在线发表于9月16日(2008年3月2008年第斯普林格出版社摘要有效的医疗保健提供背景带来的好处测量技术的支持。相反的在工业化国家,效率分析情况在非洲的医疗保健是很近现象。几乎没有任何现有的研究在这个级别的初级护理。目的本研究的主要目的是双重的:(1)来评估相对效率的健康中心在农村的布吉纳法索(2)探讨效率低下的原因,性能。方法数据包络分析应用。,说明情况,output-oriented在那个国家方法用不同的回归规模的假设。识别的空间作用在Tobit排水区在效率模型,应用。结果根据常数回归规模,14个健康中心都是相对效率。DEA的预测建议的低效的单位都太大有效率。Tobit回归分析显示相对效率的健康中心位于靠近村庄在排水区。结论:对于道德的原因是不适当的尝试为了提高工作效率健康中心关闭一些　粗兆　他们。他们可以提高效率,生活可以如果获得医疗中心保存增强。关键词布吉纳法索。DEA方法。效率。Nouna。初级护理介绍医疗费用在大多数发达国家近几十年来,快速成长。它被广泛接受那不足的医疗保健机构在某种程度上,促成了这一现象。较少的效率,意味着浪费资源,它们可以被使用在输入其它人失踪。供给不足医疗服务会导致过早死亡。在回应挑战越唤则来越多的文献已经出现的处理效率的提高医疗保健服务的工业化国家(Hollingsworth罗卓荆。1999年)。很长一段时间,在此基础上讨论提高效率几乎很少考虑欠发达国家。融资在这些国家卫生服务被认为是识别可能拿更多的资源。缩小官方发展援助在20世纪90年代,在此基础上讨论了千年发展目标和他们的资源来满足诱导的复议经济运行中卫生设施。癌症疼痛处理的知识这个层次和健康决定因素服务的效率可以帮助决策者和保健经理来避免废物和最有效的利用稀缺资源。测量效率和生产力几个分析方法也被开发出来。参数的方法,例如旁边。前沿分析、数据包络分析方法成为一个受欢迎的标准来评价决策单元(DMU效率)。在一个相当最近的参考书目DEATavares(2002)上市超过报纸、书、专著3200发表了伟大,等各种各样的问题,由超过1,600作者写的42个国家。最初,利用数据包络分析方法,特别适用于非营利性的部门,因为测量效率有相当困难。研究进行了识别效率的学校公共卫生(2009)[J]. 17:87-95土井10.1007 / s10389-008-0225-6资金:本研究,得到岩链租了科研补助的德国人研究基金会(德国Forschungsgemeinschaft)。第Marschall(*):s Flessa法经济学的教师、卫生保健大学Greifswald,Friedrich-Loeffler-Str 70,。17489 Greifswald,德国　电子邮件：paul.marschall@uni-greifswald.d

dea-tobit模型的逻辑在哪

1.DEA评估框架的理论基础：以政策的具体内涵、政策的作用方面与作用主型陆体为出发点，结合芦磨相关理论说明评价指卜哗顷标的来源，进而总结出政策绩效评价指标体系（偏向于内生因素）；

2.Tobit回归的理论假说：结合相关理论与文献，以影响政策绩效的关键因素入手，基于理论进行机制的厘定，进而构建回归模型（偏向于外生因素）。

关于tobit回归模型和tobit回归模型stata命令的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。