tobit在EVIEWS的操作

1、tobit在EVIEWS勺操作一、Tobit簡介：Tobit是Probit的推廣，創(chuàng)始人是托賓，在限值因變量關(guān)系式的估計(jì)（EstimationofRelationshipsforLimitedDependentVariables）一文中提出，也叫截取回歸模型。二、Tobit與Probit的區(qū)別：y_iA*=X_ibeta+varepsilon_iProbit模型是ifyA*0theny_i=1elsey_i=0;Tobit模型是ifyA*0theny_i=y_iA*elsey_i=0。tobit是線性概率模型，缺點(diǎn)就是如果p=1但事件可能根本就沒發(fā)生。雖然估計(jì)本身無偏，但預(yù)測結(jié)果卻是有偏的。

2、（假設(shè)預(yù)測某個(gè)事件發(fā)生的概率等于1,但是實(shí)際中該事件可能根本不會(huì)發(fā)生。反之，預(yù)測某個(gè)事件發(fā)生的概率等于0,但是實(shí)際中該事件卻可能發(fā)生了。 雖然估計(jì)過程是無偏的， 但是由估計(jì)過程得出的預(yù)測結(jié)果卻是有偏的。）probit是采用累積概率分布函數(shù)，用正態(tài)分布的累積概率作為probit的預(yù)測概率?？梢钥朔@個(gè)缺點(diǎn)，本質(zhì)基本上一樣。由于線性概率模型的上述缺點(diǎn)，希望能找到一種變換方法，（1）使解釋變量x所對應(yīng)的所i有預(yù)測值（概率值）都落在（0,1）之間。（2）同時(shí)對于所有的x,當(dāng)x增加時(shí)，希望yiii也單調(diào)增加或單調(diào)減少。顯然累積概率分布函數(shù)F(z)能滿足這樣的要求。i采用累積正態(tài)概率分布函數(shù)的模型稱作Pr

3、obit模型。用正態(tài)分布的累積概率作為Probit模型的預(yù)測概率。另外logistic函數(shù)也能滿足這樣的要求。采用logistic函數(shù)的模型稱作logit模型。三、如何用Eviews軟件進(jìn)行Tobit回歸分析操作過程：截 面 數(shù) 據(jù)： Object/NewObject, 并 從 該 菜 單 中 選 擇Equation選 項(xiàng) 。 在 出 現(xiàn) 的EquationSpecification對話框面板數(shù)據(jù)：打開eviews,打開一個(gè)workfile，點(diǎn)擊balancedpanel,進(jìn)入面板數(shù)據(jù)框，輸完數(shù)據(jù)之后，在proc估計(jì)模型的時(shí)候，在方法選項(xiàng)里選擇tobit即可。四、STATAF如彳做tobit模

4、型面板數(shù)據(jù)分析要做面板的tobit模型，可以使用xttobit命令，不過這只能估計(jì)隨機(jī)效應(yīng)模型，而不能估計(jì)固定效應(yīng)。若要估計(jì)固定效應(yīng)模型，一種方法可以使用tobit命令， 但要加入虛擬變量回歸， 等價(jià)于面板模型， 只是這樣估計(jì)存在偏誤。 具體看statamanual,或者直接helpxttobit。另一種方法:xttobit后面的那個(gè)options默認(rèn)的是re,換成fe就變成固定效應(yīng)的了。五、關(guān)于probit和logit模型tobit模型上述三者同屬于一個(gè)體系，即由于解決的是因變量為定性變量的問題，但是前兩者解決的主要是LPM真型的不足，即條件概率模型的取值超出了(0,1)的范圍，而發(fā)展的兩個(gè)

5、技術(shù)，一個(gè)是概率單位模型，一個(gè)是對數(shù)單位模型，前者的CDF用的是累積正態(tài)函數(shù)，后者使用的是累積邏輯函數(shù)。前兩者有一個(gè)共同點(diǎn)是：因變量的取值可以獲得無論是發(fā)生還是沒有發(fā)生都可以取得到。 而且關(guān)心的是事件的發(fā)生概率， 而不是實(shí)質(zhì)的經(jīng)濟(jì)變量，tobit恰恰相反。至于tobit模型則是只對于可觀測回歸元的樣本的信息進(jìn)行處理，對于沒有觀測的回歸元的信息則不處理，認(rèn)定為0也稱為限值因變量模型，或者截取回歸模型。六、問題與回答問:Tobit回歸的標(biāo)準(zhǔn)形式是Yi*=XiB+uiYi=yi*,ifYi*0Yi=0,ifYi*=0現(xiàn)在有一組觀測值Yi是一組截?cái)鄶?shù)據(jù)，不大于1,不小于00為什么大家都采用Tobit來

6、做呢,Tobit不是只能卡住一段么，比如說不大于1。那么不小于那段如何卡住呢，答:sas9中的tobit使用ets模塊中的qlim命令stata中比較簡單tobityx1x2x3x4,ll(0)ul(1)七、tobit的異方差檢驗(yàn)剛才看了伍德里奇的現(xiàn)代觀點(diǎn)一書，里面關(guān)于tobit的雖然很短，但是很有用處。他說Tobit模型依賴于背后潛變量模型中的正態(tài)性和同方差性。即標(biāo)準(zhǔn)Tobit模型的假定：潛變量y*滿足經(jīng)典線性模型假定一一服從具有線性條件均值的正態(tài)同方差分布。具體說來，對于正值，給定x下的y的密度與給定x下y*的密度一樣。而且u/(7服從標(biāo)準(zhǔn)正態(tài)分布且獨(dú)立于x。我理解這就是說只要數(shù)據(jù)輸入符合

7、前提假設(shè)，后面的異方差性就不需要進(jìn)一步討論了。 也許這就是為什么我在tobit應(yīng)用的很多paper里面找不到異方差性討論的原因。沒有相關(guān)的命令來直接檢驗(yàn)其異方差， 必須自己編程采用拉格朗日乘數(shù)檢驗(yàn)。 另一種方法是假定異方差的形式(如線性，平方或指數(shù)形式)，通常是指數(shù)形式，然后采用似然比檢驗(yàn)。SAS9.1.3的procqlim可以做，stata軟件好像不可以做。1)沒有異方差時(shí)的估計(jì)(上界和下界為隨意假定)：procqlimdata=datatobit;modely=x1x2x3;endogenousycensored(lb=0ub=100);run;2)存在異方差時(shí)的估計(jì)：procqlimdata=datatobit;modely=x1x