因变量为0,1采用OLS和Probit或Tobit的结果有什么区别

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

模型因变量为0，1，采用OLS回归与用Probit或Tobit模型回归产生的结果差异主要在哪里？
Probit 模型和Tobit模型中不出现R2等值怎么比较模型效果呢？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享3 收藏18 回帖

关键词：Probit Tobit bit OLS Rob 因变量 模型

如果模型因变量为0，1的话，用OLS得出的结果有偏差；
Probit只适用于因变量为0，1的情况，Tobit适用于因变量受限制的情况（当然也适用于因变量为0，1的情况）；
如果同时因变量为0，1的情况，用probit和tobit的结果差别不大，但我也不清楚具体差别在哪里，但个人感觉这种情况下还是用probit比较好；
Probit和Tobit会给出 Pseudo R2，应该可以用于比较。

OLS是无偏估计，只是存在异方差

蓝色 发表于 2013-4-18 00:16
OLS是无偏估计，只是存在异方差

多谢版主，又长知识了

蓝色 发表于 2013-4-18 00:16
OLS是无偏估计，只是存在异方差

求教：
如果是受限制收据，本应该用Tobit，但如果使用了OLS，是违背了无偏性？还是有效性？还是两个都违背了？

如果没有内生性问题，
ols估计的结果就是无偏的
看无偏性的推导过程就能知道

区别

谢谢，学习啦

一般来说，被解释变量为（0,1）变量，使用OLS估计是可以的，但是OLS估计存在两个问题：1、就像刚才大家说的，异方差问题，本质上异方差不影响估计的一致性和无偏性；2、使用logit或者probit回归是常用的方法，主要的原因是OLS估计结果出来的预测值不会严格的落在0-1之间，而logit和probit是可以的。而Tobit模型解决的是另外的问题，样本如果存截断点，例如被解释变量是工资水平，而社会存在最低工资制度，那么最低工资的标准就是截断点，所有的y都在这个点的右边，此时利用OLS进行估计就会产生偏误。但是如果你的被解释变量是（0，1），那么你的截断点是个什么类型的？为什么存在这个截断点需要在论文中说清楚。因为截断点在本质上可以理解成为遗漏变量的内生性问题。

非常经典。。。。
能否把回归方法那本书也上传？