Mô hình Tobit với R

Có ai biết nơi tìm ứng dụng tốt và ví dụ (ngoài sách hướng dẫn và sách áp dụng kinh tế lượng với R) bằng cách sử dụng mô hình quỹ đạo với các gói AER không?

Biên tập

Tôi đang tìm kiếm một lệnh để tính các hiệu ứng cận biên cho y (không phải cho biến tiềm ẩn y *). Nó dường như là , trong đó là hàm phân phối tích lũy std.n normal. Nhưng làm thế nào tôi có thể tính toán các hiệu ứng đó với R?$\phi(x\beta/\sigma)\beta$$\phi$

Nó không có trong gói, chỉ cần viết lệnh của riêng bạn. Nếu hồi quy của bạn là reg <- tobit (y ~ x) thì vectơ hiệu ứng sẽ là

pnorm(x%*%reg$coef[-1]/reg$scale)%*%reg$coef[-1].

Tôi đã có cùng một vấn đề (bản thân non-conformable arguments) mà @ hans0l0 đã đề cập trong bình luận ở trên. Tôi nghĩ rằng tôi đã giải quyết điều này, và sẽ cố gắng giải thích ở đây.

Đầu tiên, có một lỗi trong phương trình trong bài viết gốc. Nó phải là -ie, có một subscript sau thứ hai nhưng không phải sau khi người đầu tiên. Trong mô hình Tobit, hiệu ứng cận biên của biến được xác định không chỉ bởi hệ số của biến cụ thể đó ( ); một hệ số điều chỉnh cũng được yêu cầu được tính từ các giá trị của các biến khác trong mô hình ( ).$ϕ(xβ/σ)β_j$$β$$x_j$$β_j$$ϕ(xβ/σ)$

Từ Wooldridge 2006 (trang 598):

Hệ số điều chỉnh Khác phụ thuộc vào hàm tuyến tính của , . Có thể chỉ ra rằng hệ số điều chỉnh nằm giữa 0 và 1.$x$$xβ/σ = (β_0 + β_1x_1 + … + β_kx_k)/σ$

Hệ số điều chỉnh này có nghĩa là chúng ta phải lựa chọn về các giá trị của các biến khác trong mô hình: chúng ta phải cắm các giá trị cho x _j , thường là các giá trị trung bình hoặc các giá trị thú vị khác (Wooldridge 2006, p598). Vì vậy, nói chung đây sẽ là trung bình, nhưng nó cũng có thể là trung vị, phần tư trên / dưới hoặc bất cứ điều gì khác. Điều này liên quan đến lý do tại sao @ hans0l0 và tôi đã gặp phải các non-conformable argumentlỗi của Chế độ dữ liệu khi chúng tôi sử dụng mã của Alex ở trên: xMã khắc trong mã đó sẽ là một vectơ khi cái chúng ta cần là một giá trị duy nhất cho biến (trung bình / trung bình / v.v.) . Tôi tin rằng còn có một lỗi khác trong mã ở trên là nó loại trừ giá trị chặn khỏi thuật ngữ điều chỉnh (với [-1]tập lệnh sau lần sử dụng đầu tiên củareg$coef). Sự hiểu biết của tôi về điều này (nhưng tôi rất vui khi được sửa chữa) là thuật ngữ điều chỉnh nên bao gồm phần chặn ( từ phía trên).$β_0$

Tất cả đã nói, đây là một ví dụ sử dụng bộ dữ liệu từ AER::tobit (“Affairs”):

## Using the same model and data as in the Tobit help file
## NB: I have added the “x=TRUE” command so the model saves the x values

> fm.tobit <- tobit(affairs ~ age + yearsmarried + religiousness + occupation + rating,
                    data = Affairs, x=TRUE)
> fm.tobit$coef
(Intercept)  age         yearsmarried  religiousness  occupation  rating 
8.1741974    -0.1793326  0.5541418     -1.6862205     0.3260532   -2.2849727

> fm.tobit$scale
[1] 8.24708 

## the vector of marginal effects (at mean values and for y > 0) should be as follows.
## note the [-1] used to remove the intercept term from the final vector, 
##  but not from within the adjustment term. 

> pnorm(sum(apply(fm.tobit$x,2,FUN=mean) * fm.tobit$coef)/fm.tobit$scale) * 
  fm.tobit$coef[-1]
  age        yearsmarried  religiousness  occupation  rating 
  -0.041921  0.1295365     -0.394172      0.076218    -0.534137 

Điều quan trọng cần nhắc lại: đây chỉ là những hiệu ứng cận biên trong trường hợp y dương tính (tức là ít nhất một vụ đã xảy ra) và tại các giá trị trung bình của tất cả các biến giải thích.

Nếu ai đó muốn kiểm tra các kết quả đó bằng chương trình có công cụ hiệu ứng cận biên tích hợp cho các mô hình Tobit, tôi sẽ tò mò muốn xem so sánh. Bất kỳ ý kiến ​​và sửa chữa sẽ được đánh giá rất cao.

Tham khảo :
Wooldridge, Jeffrey M. 2006. Kinh tế lượng nhập môn: Cách tiếp cận hiện đại. Thomson Tây Nam. Phiên bản thứ 3.