原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
Tobit模型删失回归截尾回归断尾回归归并回归样本选择模型SPSSAU
Tobit模型
Contents
1背景2
2理论3
3操作3
4SPSSAU输出结果3
5文字分析4
6剖析6
7疑难解惑6
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，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：
✓删除数据分为两类，分别是‘左删失leftcensor’和‘右删失rightcensor’。上述中小于等于数字0即为左
删失，10万即为右删失；
✓SPSSAU默认支持左删失和右删失的设置，如果不设置，则其完全等于普通ols线性回归。
Tobit模型案例
Contents
1背景2
2理论3
3操作3
4SPSSAU输出结果3
5文字分析4
6剖析6
1背景
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工资的影响情况。
2理论
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。
3操作
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’。
4SPSSAU输出结果
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：
表格名称说明
Tobit回归模型似然比检验Tobit模型的似然比检验结果
Censor数据样本汇总
文档评论（0）