Tobit模型结果解读：受限因变量的回归分析方法.docxVIP

Tobit模型结果解读

一、方法概述

Tobit模型是由JamesTobin于1958年提出的一种受限因变量回归模型，也称为删失回归模型（CensoredRegressionModel）。该模型适用于因变量存在删失（censoring）情形的数据分析场景，即因变量的取值在某一方向上受到限制或被截断。例如，当因变量只能取非负值（如消费支出、保险理赔金额等）或存在上下限时，传统的OLS回归会产生有偏且不一致的估计结果，而Tobit模型通过最大似然估计法（MLE）能够有效处理此类问题。Tobit模型的基本假设是存在一个潜在的连续变量（潜变量），当该潜变量超过某一阈值时才能被观察到，否则被删失。本研究使用SPSSAU软件，将x1、x2、x3、x4、x5作为解释变量，y作为被解释变量，进行Tobit回归分析，样本量为320。

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、模型似然比检验

在进行Tobit回归分析之前，首先需要对模型的整体有效性进行检验。模型似然比检验通过比较仅截距模型与最终模型的-2倍对数似然值，判断放入解释变量后模型质量是否有显著改善。检验结果如表1所示。

从表1可以看出，仅截距模型的-2倍对数似然值为819.663，最终模型的-2倍对数似然值为631.023，似然比卡方值为188.640，自由度为5，对应p值