关于HECKMAN模型的应用

    据我所知，heckman选择模型有好多种类型。最原始的是处理数据缺失问题。如教育对工资的影响。因为有些人没有工作，故工资数据缺失。第一阶段估计一个probit模型，因变量取1如果工资不缺失，取0如果缺失。根据此得到逆米尔里斯比率，把它加入第二阶段（即原始回归方程），这样就可以克服选择性偏差。第二种是建立在heckman选择模型上的一个变种，即treatment effect model。方法与上文基本相同，只不过针对的不是缺失数据，而是treatment 的自选择问题。然而，我想问的是，我还遇到了第三种情况。即Y是个cencored variable, 比如存在一部分取值为0，其他为正。我看到文献的做法是仍采用heckman模型的方法。第一阶段估计一个probit选择方程, 当Y大于0时取1，等于0时取0，得到逆米尔里斯比率。然后再把这个比率带到第二阶段（原回归方程中），再估计。我想问为什么要这样处理?不这样处理为什么会存在选择性偏差?这样为什么也是HECKMAN两步法？有了解此方法的大神烦请具体告知此方法或相关资料，谢谢！

哪位大神帮帮忙啊！！

你这个应是Tobit模型，此模型与赫克曼模型的区别在于前者的审查变量是因变量，而后者是不可观察的误差项。都可用逆米尔斯处理。