stata做面板数据tobit回归，模型该如何选择及结果如何分析

相似文件 换一批

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

各位大神么，最近在做面板tobit回归，我的因变量是0-1的，逛了一遍论坛，有的说面板数据应该用xttobit回归，截面用tobit回归，还想确定下该如何选择模型？另外以下分别是我用xttobit和tobit做的分析，应该怎么分析以下结果呢，有几个自变量不显著是不是代表不能放进模型？还请各位能不吝赐教，一点小小的提醒也是很大的帮助，谢谢各位！
Random-effects tobit regression                 Number of obs     =      2,514
Group variable: stock                           Number of groups  =        601

Random effects u_i ~ Gaussian                   Obs per group:
                                                              min =          1
                                                              avg =        4.2
                                                              max =          6

Integration method: mvaghermite                 Integration pts.  =         12


                                                Wald chi2(28)     =     654.89
Log likelihood  =  1836.4554                    Prob > chi2       =     0.0000

------------------------------------------------------------------------------
        eff1 |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
  lnts1 |   .0497733   .0053421     9.32   0.000      .039303    .0602437
         m1 |   3.791943   .7116952     5.33   0.000     2.397046     5.18684
        fcf3 |   .0060322   .0095683     0.63   0.528    -.0127213    .0247857
         ly1 |  -.1092208   .0065313   -16.72   0.000    -.1220219   -.0964196
      divers |  -.0019199   .0020498    -0.94   0.349    -.0059374    .0020976
       state |   .0369513   .0186904     1.98   0.048     .0003189    .0735838
         fci |  -.0045052   .0074752    -0.60   0.547    -.0191564     .010146
          y2 |   .0503885   .0073275     6.88   0.000     .0360269    .0647501
          y3 |   .0971074   .0079008    12.29   0.000     .0816221    .1125927
          y4 |   .1446869   .0083593    17.31   0.000     .1283031    .1610708
          y5 |   .1145475   .0087814    13.04   0.000     .0973362    .1317588
          y6 |   .1135564   .0091417    12.42   0.000      .095639    .1314738
        ind2 |   .0612301   .0580061     1.06   0.291    -.0524597    .1749199
        ind3 |   .0698937    .069228     1.01   0.313    -.0657907    .2055781
        ind4 |   .1765221   .0465611     3.79   0.000     .0852639    .2677802
        ind5 |   .1731362   .0480077     3.61   0.000     .0790428    .2672297
        ind6 |   .0703635   .0638137     1.10   0.270     -.054709    .1954361
        ind7 |   .0923405   .0363145     2.54   0.011     .0211655    .1635156
        ind8 |   .1584963   .0465288     3.41   0.001     .0673016     .249691
        ind9 |   .0349995   .0432293     0.81   0.418    -.0497284    .1197273
       ind10 |   .0600446   .0475038     1.26   0.206    -.0330611    .1531503
       ind11 |  -.0316198   .0674821    -0.47   0.639    -.1638824    .1006427
       ind12 |  -.0940814   .0676373    -1.39   0.164    -.2266481    .0384852
       ind13 |   .2404103   .0470963     5.10   0.000     .1481032    .3327173
       ind14 |   .0866296   .0460927     1.88   0.060    -.0037106    .1769697
       ind15 |   .0776879   .0364921     2.13   0.033     .0061646    .1492111
       ind16 |   .0373999   .0357456     1.05   0.295    -.0326601      .10746
       ind17 |   .0074575   .0387949     0.19   0.848    -.0685792    .0834941
       _cons |  -.3476785   .1126014    -3.09   0.002    -.5683732   -.1269837
-------------+----------------------------------------------------------------
    /sigma_u |   .0847793   .0035483    23.89   0.000     .0778248    .0917339
    /sigma_e |   .0861396    .001453    59.28   0.000     .0832918    .0889875
-------------+----------------------------------------------------------------
         rho |   .4920418   .0236349                      .4458755     .538315
------------------------------------------------------------------------------
LR test of sigma_u=0: chibar2(01) = 628.79             Prob >= chibar2 = 0.000

             0  left-censored observations
         2,356     uncensored observations
           158 right-censored observations


tobit
Tobit regression                                Number of obs     =      2,514
                                                LR chi2(28)       =     819.06
                                                Prob > chi2       =     0.0000
Log likelihood =  1522.0602                     Pseudo R2         =    -0.3681

------------------------------------------------------------------------------
        eff1 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
  lnts1 |    .041936   .0042509     9.87   0.000     .0336002    .0502717
         m1 |   3.058869   .6267512     4.88   0.000     1.829861    4.287877
        fcf3 |   .0036258   .0117254     0.31   0.757    -.0193668    .0266183
          ly1 |  -.0973872   .0053511   -18.20   0.000    -.1078804   -.0868941
      divers |  -.0028519   .0016546    -1.72   0.085    -.0060965    .0003926
       state |   .0143981   .0118213     1.22   0.223    -.0087825    .0375786
         fci |  -.0203384   .0067499    -3.01   0.003    -.0335744   -.0071024
          y2 |   .0497591   .0094986     5.24   0.000     .0311332    .0683851
          y3 |    .094583    .009638     9.81   0.000     .0756837    .1134823
          y4 |   .1399957   .0095828    14.61   0.000     .1212046    .1587869
          y5 |   .1097019   .0093693    11.71   0.000     .0913295    .1280744
          y6 |   .1097365   .0091033    12.05   0.000     .0918856    .1275874
        ind2 |    .057195   .0313635     1.82   0.068    -.0043063    .1186963
        ind3 |   .0524588   .0487895     1.08   0.282    -.0432134     .148131
        ind4 |   .1639805   .0291723     5.62   0.000      .106776    .2211849
        ind5 |   .1301973   .0320434     4.06   0.000     .0673628    .1930317
        ind6 |   .0623804   .0346097     1.80   0.072    -.0054865    .1302473
        ind7 |   .0750792   .0207239     3.62   0.000     .0344414    .1157171
        ind8 |   .1841718   .0327465     5.62   0.000     .1199587     .248385
        ind9 |   .0118732   .0275982     0.43   0.667    -.0422446     .065991
       ind10 |   .0726788   .0300694     2.42   0.016      .013715    .1316425
       ind11 |  -.0225155   .0708679    -0.32   0.751    -.1614817    .1164508
       ind12 |  -.0221168   .0471941    -0.47   0.639    -.1146606    .0704271
       ind13 |   .2663088   .0277571     9.59   0.000     .2118794    .3207382
       ind14 |   .0905704   .0266487     3.40   0.001     .0383145    .1428262
       ind15 |   .0826404   .0208718     3.96   0.000     .0417125    .1235683
       ind16 |   .0332008   .0204289     1.63   0.104    -.0068586    .0732602
       ind17 |   .0119648   .0222562     0.54   0.591    -.0316778    .0556074
       _cons |  -.1727906   .0866516    -1.99   0.046    -.3427074   -.0028738
-------------+----------------------------------------------------------------
      /sigma |   .1166587   .0017303                      .1132657    .1200517
------------------------------------------------------------------------------
             0  left-censored observations
         2,356     uncensored observations
           158 right-censored observations at eff1 >= 1

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5 回帖

更正一下，因变量的取值范围是0~1，不是0-1变量

楼主，你的问题解决了吗

慧真 发表于 2019-1-7 22:35
楼主，你的问题解决了吗

我直接用的tobit模型耶

请问为什么我用stata不能直接用tobit模型，只能用xttobit？求解答，急，谢谢

smlcc 发表于 2019-2-22 18:38
请问为什么我用stata不能直接用tobit模型，只能用xttobit？求解答，急，谢谢

有xtset stkcd year吗？

lzd1314 发表于 2018-8-7 17:41
更正一下，因变量的取值范围是0~1，不是0-1变量

想请教一下如何分析xxtobit产生的结果

面板数据中xttobit只是应用于随机效应，固定效应用pantob。

可以发一下tobit回归命令吗？谢谢

楼主以及楼上各位，想问一下有没有stata的tobit教程，或者其他可以参考的网站来写stata命令呢？