本期报告分享之一

stata空间probit、tobit操作命令

logit模型也叫Logistic模型，服从Logistic分布。probit模型服从正态分布。两个模型都是离散选择模型的常用模型。但logit模型简单直接，应用更广。

而且，当因变量是名义变量时，Logit和Probit没有本质的区别，一般情况下可以换用。区别在于采用的分布函数不同，前者假设随机变量服从逻辑概率分布，而后者假设随机变量服从正态分布。其实，这两种分布函数的公式很相似，函数值相差也并不大，唯一的区别在于逻辑概率分布函数的尾巴比正态分布粗一些。但是，如果因变量是序次变量，回归时只能用有序Probit模型。有序Probit可以看作是Logit的扩展。

Tobit模型(tobit model)是指因变量虽然在正值上大致连续分布，但包含一部分以正概率取值为0的观察值的一类模型。比如，在任一给定年份，有相当数量家庭的医疗保险费用支出为0，因此，虽然年度家庭医疗保险费用支出的总体分布散布于一个很大的正数范围内，但在数字0上却相当集中。它也被称为截尾回归模型或删失回归模型(censored regression model)，属于受限因变量(limited dependent variable)回归的一种。受限因变量指因变量的观测值是连续的，但是受到某种限制，得到的观测值并不完全反映因变量的实际状态。主要包括断尾回归模型(truncated regression model)、Tobit模型(tobit model)和样本选择模型(sample selection model)等。

此次小编为大家分享了空间probit和tobit模型，有需要的朋友千万不要错过！

如有侵权，请联系本站删除！