Model Tobit z R.

Czy ktoś wie, gdzie znaleźć dobrą aplikację i przykłady (oprócz instrukcji i ekonometrii stosowanej w książce za pomocą R) przy użyciu modelu tobit z pakietami AER?

Edytować

Szukam polecenia do obliczenia efektów krańcowych dla y (nie dla ukrytej zmiennej y *). Wygląda na to$\phi(x\beta/\sigma)\beta$, gdzie to standardowa standardowa skumulowana dystrybucja standardowej. Ale jak mogę obliczyć te efekty za pomocą R?$\phi$

Nie ma go w pakiecie, po prostu napisz własne polecenie. Jeśli regresją jest reg <- tobit (y ~ x), to wektor efektów powinien być

pnorm(x%*%reg$coef[-1]/reg$scale)%*%reg$coef[-1].

Miałem ten sam problem („non-conformable arguments ”), o którym @ hans0l0 wspominał w komentarzu powyżej. Myślę, że rozwiązałem ten problem i spróbuję wyjaśnić tutaj.

Po pierwsze, w równaniu w oryginalnym poście występuje błąd. Powinien to być Po drugim jest indeks dolny, ale nie po pierwszym. W modelu Tobita efekt krańcowy zmiennej jest determinowany nie tylko przez współczynnik tej konkretnej zmiennej ( ); wymagany jest również współczynnik korygujący, który jest obliczany na podstawie wartości innych zmiennych w modelu ( ).$ϕ(xβ/σ)β_j$$β$$x_j$$β_j$$ϕ(xβ/σ)$

Z Wooldridge 2006 (s. 598):

Współczynnik dopasowania… zależy od funkcji liniowej , . Można wykazać, że współczynnik dostosowania mieści się w przedziale od zera do jednego.$x$$xβ/σ = (β_0 + β_1x_1 + … + β_kx_k)/σ$

Ten współczynnik dostosowania oznacza, że ​​musimy dokonać wyboru wartości innych zmiennych w modelu: „musimy wprowadzić wartości x _j , zwykle wartości średnie lub inne interesujące wartości” (Wooldridge 2006, s. 598). Tak więc ogólnie byłby to środek, ale może to być również mediana, kwartyl górny / dolny lub cokolwiek innego. Odnosi się to do tego, dlaczego @ hans0l0 i ja otrzymywaliśmy non-conformable argumentbłędy „ ”, gdy korzystaliśmy z powyższego kodu Alexa: „ x” w tym kodzie będzie wektorem, gdy potrzebujemy jednej wartości zmiennej (średnia / mediana / itp.) . Uważam, że w powyższym kodzie jest również inny błąd polegający na tym, że wyklucza on wartość przechwytywania z terminu korekty (w [-1]skrypcie po pierwszym użyciureg$coef). Rozumiem to (ale cieszę się, że mogę to poprawić), że termin korekty powinien obejmować punkt przecięcia ( z góry).$β_0$

To powiedziawszy, oto przykład z wykorzystaniem zestawu danych z AER::tobit (“Affairs”):

## Using the same model and data as in the Tobit help file
## NB: I have added the “x=TRUE” command so the model saves the x values

> fm.tobit <- tobit(affairs ~ age + yearsmarried + religiousness + occupation + rating,
                    data = Affairs, x=TRUE)
> fm.tobit$coef
(Intercept)  age         yearsmarried  religiousness  occupation  rating 
8.1741974    -0.1793326  0.5541418     -1.6862205     0.3260532   -2.2849727

> fm.tobit$scale
[1] 8.24708 

## the vector of marginal effects (at mean values and for y > 0) should be as follows.
## note the [-1] used to remove the intercept term from the final vector, 
##  but not from within the adjustment term. 

> pnorm(sum(apply(fm.tobit$x,2,FUN=mean) * fm.tobit$coef)/fm.tobit$scale) * 
  fm.tobit$coef[-1]
  age        yearsmarried  religiousness  occupation  rating 
  -0.041921  0.1295365     -0.394172      0.076218    -0.534137 

Ważne, aby powtórzyć: są to efekty marginalne tylko w przypadkach, gdy y jest dodatni (tj. Wydarzyła się co najmniej jedna sprawa) i przy średnich wartościach wszystkich zmiennych objaśniających.

Jeśli ktoś chciałby sprawdzić te wyniki za pomocą programu z wbudowanym narzędziem efektów krańcowych dla modeli Tobita, byłbym ciekawy porównania. Wszelkie uwagi i poprawki będą mile widziane.

Odniesienie :
Wooldridge, Jeffrey M. 2006. Wstępne ekonometria: nowoczesne podejście. Południowo-zachodni Thomson. 3. edycja.