受限因变量模型：归并与截断数据回归分析及应用.pdfVIP

第2讲受限因变量模型

1.受限因变量模型简介

2.截断数据回归模型

3.归并数据回归模型

4.归并（Censored）回归的EViews操作

5.截断（Truncated）回归的EViews操作

6.案例分析

File：5censor-3-sorted

File：tobitfair

2.1受限因变量模型简介

受限随量定义：只在限定区间内观测数据，而在该限定区间之外不观测数

据的随量。

比如，解释变量的总体是某地区所有工业企业的年增加值，而通常只收

集规模以上工业企业的年度增加值，如果，只收集产值在10万元以上工业企业的

年度增加值，则工业企业年增加值变量就存在左侧截断现象。

比如，在涉及个人隐私的中，收入只在年收入3万至30万元家庭中进行。

则称这种收入随量为受限随量。

在某些情况下，回归模型中被解释变量可能是受限随量，称这样的被解释

变量为“受限被解释变量”或“受限因变量”。用这种被解释变量建立的模型称作

“受限因变量模型”。

这类模型有一个共同特点是尽管被解释变量的条件期望是线性的，回归参

数的OLS估计量仍然是不一致的，因为观测样本不能代表总体。

一些其他估计方法只有在误差项分布类型与实际相一致的前提下才能

保证得到回归参数的一致估计量。

用受限随量得到的样本数据称作受限数据。受限数据分为两类，一类称作

归并（censored）数据，一类称作截断（truncated）数据。

归并数据是指样本中把小于或大于某一点的数值用该点数值替代的数据。

截断数据是指样本中小于或大于某一点的观测值有的数据。例如某种产品

见到的只是分等级的合格品，不合格品已经看不到，被舍弃。

截断数据与归并数据相比，截断数据损失的信息。

归并数据回归模型（censoredregressionmodel，删失模型，删截模型，模

型）是被解释变量用归并数据建立的模型。Tobit模型也是一种归并模型，被解释

变量在归并点1之上和0之下的值分别被赋值1或0。

截断数据回归模型（truncatedregressionmodel，断尾模型）是被解释变量用

截断数据建立的回归模型。

2.2截断数据回归模型

截断随量可分为三类，即左截断随量，右截断随量和双侧截断随

量。

对于截断随量y，若用y*表示相应y截断前的随量（隐变量），令c

iii

为左截断点，则左截断随量定义如下，

yi*,yi*c

yi，（1）

无观测值,yi*c



定义表明，只有在y*大于截断点c的条件下，左截断随量y才能观测得

ii

到，且y=y*。而对于那些y*小于和等于c的值，y都无观测值。

iiii

对于截断随量y，若用y*表示相应y截断前的随量（隐变量），令U

ii