Tobit模型结果解读：受限因变量的边际效应分析.docxVIP

基于Tobit回归模型的工资收入影响因素分析

一、分析方法概述

Tobit模型（截断回归模型）由Tobin（1958）提出，适用于因变量存在删失（censored）情况的回归分析。当因变量的取值受到上下限约束时，普通最小二乘法（OLS）的估计结果会产生偏误，Tobit模型通过最大似然估计法同时考虑删失机制和回归关系，能够获得一致的参数估计。本研究基于SPSSAU软件，以320个样本为研究对象，将年龄、是否已婚、子女数量、受教育年限和工作经验作为解释变量，工资收入作为被解释变量，进行Tobit回归分析。

在SPSSAU【计量经济研究】模块选择【Tobit模型】，将变量拖拽至右侧对应分析框，操作如下图：

二、模型整体有效性检验

首先对Tobit模型进行似然比检验，以评估模型的整体有效性。原假设为：放入解释变量（年龄、是否已婚、子女数量、受教育年限、工作经验）前后模型质量无差异。检验结果如表1所示。

从表1可知，最终模型的-2倍对数似然值为631.097，相比仅截距模型的789.441显著降低。似然比检验的卡方值为158.345（df=5），p值为0.000，小于0.01的显著性水平，拒绝原假设，说明放入的5项解释变量对模型具有显著贡献，模型构建有意义。最终模型的AIC值为643.097，BIC值为665.707，可用于与其他模型进行对比优选。

三、删失数据情况

从表2可知，320个样本