~~~请教各位大牛，受限因变量，该选择哪种模型~~~

各位大牛们，现在我要针对ZFRD支持的影响因素进行分析，因变量是ZF的RD资金投入，一共有340个样本，其中大概只有140个样本ZF的RD支持是0，也就是说ZF对其中140个企业是没有RD资金支持的。而剩下200左右的样本，ZF支持都是有的，数值也是连续的，从5到几万不等。我现在想分析的是：1，ZF有选择性的支持哪些企业，这种选择受到哪些因素影响？2，ZF具体对某个企业支持的幅度大小又受到哪些因素影响？自变量我是选好的，比如企业规模，企业成立时间等等。
鉴于因变量是受限的，我有点迷惑，到底选择断尾回归模型（Truncated regression）还是截取回归模型（Tobit regression），或是样本选择模型（Heckman two step）？想选用heckman模型，先判断选择的影响因素，再去看结果的影响因素，但对heckman不是很了解。烦请各位论坛大神们，帮我看下。谢谢了

截取回归适用于虽然有全部数据，但是对于某些观测数据，被解释变量被压缩在一点上了，你说的这种有些RD支持为零，正是这种情况。而断尾回归是有部分是没有相关数据。而样本选择是被解释变量的断尾与另一变量有关的情形。所以个人觉得你应该用截取回归。仅供参考

562284715 发表于 2014-7-25 14:51
截取回归适用于虽然有全部数据，但是对于某些观测数据，被解释变量被压缩在一点上了，你说的这种有些RD支持 ...

谢谢您的指点，我的数据的确适合截取回归模型，但是我又想看看ZF是否支持受到哪些因素影响，所以我打算先用probit来看是否支持受到哪些因素影响，再用tobit看看具体支持多少受到哪些因素影响，您觉得这样可行吗？

这样是可以的 ，但是要记住你的probit要用mprobit的，就是多值选择模型