对于GLM(广义线性回归)和Tobit(托宾回归)的关系,我个人认为,GLM是OLS的扩展,对于数据的要求比OLS宽松得多,即:因变量可以是正整数或分类数据(OLS要求连续数值),分布可以是指数分布(OLS必须是正态分布),因变量期望的函数与自变量成线性关系即可(OLS要求因变量的期望与自变量成线性关系)。由此可见,GLM的应用范围非常广泛。
Tobit是GLM的一种,其因变量和自变量的关系也是非线性的,但是和GLM相比,Tobit可以很好的反应边际变化的规律。
对于存在左截尾的角点解数据,两种方法都可以用,但还是应该优先选择使用Tobit。