Tobit模型估计方法与应用（二）

周华林 李雪松

2012-10-25 10:12:04 来源：《经济学动态》(京)2012年5期第105～119页

三、Tobit模型的估计Ⅰ：非联立方程模型

1.Tobit模型的MLE。1974年之前的文献对Tobit模型的估计都是采用了MLE，这种方法的特点是估计过程比较复杂，计算相当繁琐，而且需要选择一个合理的初始值，但是用这种方法估计出来的结果具有较好的性质，估计值的有效性较好。Tobin(1958)采用MLE，并给出选择初始值的方法，Heckman(1974)将Tobit模型扩展成联立(simultaneous)系统方程，沿袭了Tobin(1958)及Gronau(1974)的MLE。

Tobin(1958)关注了被解释变量有下限、上限或者存在极限值这类问题的研究，后来人们把具有这种特征的问题研究的模型称为Tobit模型。Tobin认为受限因变量的重点主要有两个方面，一是受限因变量和别的变量之间的关系，另一是这种关系的假设检验问题。在这样的问题的研究中，解释变量不仅影响受限变量的概率，也影响非受限因变量的规模大小。对于这类问题，如果不考虑非受限因变量的解释，而是只考虑受限因变量或是非受限因变量的概率问题，那么Probit分析就能提供一个合适的统计模型；如果不关注观测值的限制性，只是要解释某些变量，多元回归分析也是一种合适的统计技术。不过，当因变量的信息是有用的时候，丢失这些信息显然会使得研究丧失效率。Tobin以不同家庭的不同行为选择问题为例，建立了如下受限因变量模型。

假设W是受限因变量，具有下限L：