做tobit回归Pseudo R2大于1怎么办啊

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

用DEA方法计算出来了效率值，接下来用tobit做回归分析影响因素，可是回归出来结果：一是看不怎么懂、二是不理想。
求大神指教啊！
Tobit regression                                  Number of obs   =        150
                                                  LR chi2(4)      =      64.39
                                                  Prob > chi2     =     0.0000
Log likelihood =  1.2893919                       Pseudo R2       =     1.0417
------------------------------------------------------------------------------
       CRSTE |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
         SCA |   .0001348   .0000239     5.64   0.000     .0000876    .0001821
         QUA |  -.0095354   .0090608    -1.05   0.294    -.0274426    .0083718
         DoP |  -2.94e-06   7.74e-06    -0.38   0.704    -.0000182    .0000123
        RApC |   .0033789   .0042031     0.80   0.423    -.0049278    .0116856
       _cons |   .4840483   .0648493     7.46   0.000     .3558837    .6122129
-------------+----------------------------------------------------------------
      /sigma |    .219249   .0135507                       .192468    .2460299
------------------------------------------------------------------------------
  Obs. summary:          0  left-censored observations
                       135     uncensored observations
                        15 right-censored observations at CRSTE>=1
我的 Pseudo R2       =     1.0417，为什么会大于1呀？回归出来是不是只有SCA是有效的呀？

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0 收藏8 回帖

关键词：Tobit回归 pseudo Tobit 大于1 PSE 经院 硕士学位

谢谢楼主提的好问题，我又复习了一把。

stata 官方的论坛里就有这个问题的答案。我直接贴了。


Concerning the pseudo-R2, we use the formula

        pseudo-R2 = 1 − L1/L0

where L0 and L1 are the constant-only and full model log-likelihoods, respectively.

For discrete distributions, the log likelihood is the log of a probability, so it is always negative (or zero). Thus 0 ≥ L1 ≥ L0, and so 0 ≤ L1/L0 ≤ 1, and so 0 ≤ pseudo-R2 ≤1 for DISCRETE distributions.

For continuous distributions, the log likelihood is the log of a density. Since density functions can be greater than 1 (cf. the normal density at 0), the log likelihood can be positive or negative. Similarly, mixed continuous/discrete likelihoods like tobit can also have a positive log likelihood.

If L1 > 0 and L0 < 0, then L1/L0 < 0, and 1 − L1/L0 > 1.

If L1 > L0 > 0 and then L1/L0 > 1, and 1 − L1/L0 < 0.

Hence, this formula for pseudo-R2 can give answers > 1 or < 0 for continuous or mixed continuous/discrete likelihoods like tobit. So, it makes no sense.

For many models, including tobit, the pseudo-R2 has no real meaning.

This formula for pseudo-R2 is nothing more than a reworking of the model chi-squared, which is 2(L1 − L0). Thus even for discrete distributions where 0 ≤ pseudo R2 ≤ 1, it is still better to report the model chi-squared and its p-value—not the pseudo-R2.

就是说可以手动做，如果L1和L0符号不同为负值的时候，手动把它们变成相同也行。

什么叫手动做？怎么又跳出个新名词了，楼上能简单明了的解释下么，就是这个模型效果拟合得如何？解释度如何呢？

什么叫手动做？怎么又跳出个新名词了，楼上能简单明了的解释下么，就是这个模型效果拟合得如何？解释度如何呢？

tuguy83 发表于 2014-8-27 19:17
谢谢楼主提的好问题，我又复习了一把。

stata 官方的论坛里就有这个问题的答案。我直接贴了。

也就是说不用去理它是吧。。

tuguy83 发表于 2014-8-27 19:17
谢谢楼主提的好问题，我又复习了一把。

stata 官方的论坛里就有这个问题的答案。我直接贴了。

楼主回答的很全面了！

tuguy83 发表于 2014-8-27 19:34
就是说可以手动做，如果L1和L0符号不同为负值的时候，手动把它们变成相同也行。

求问L1和L0怎么得出啊？看不懂

tuguy83 发表于 2014-8-27 19:17
谢谢楼主提的好问题，我又复习了一把。

stata 官方的论坛里就有这个问题的答案。我直接贴了。

我的有几个ordered probit模型中Pseudo R2显示为1.0000，感觉好奇怪（不知道是什么原因），也不用管他吗？