タグ付けされた質問 「tobit-regression」

私は現在、線形モデル（family = gaussian）を生物多様性の指標に適用しようとしています。生物多様性はゼロ未満の値を取ることはできず、ゼロで膨張し、連続しています。値の範囲は0から0.25強です。その結果、モデルの残差には明らかなパターンがありますが、私はそれを取り除くことができませんでした。 誰もこれを解決する方法についてアイデアを持っていますか？

15 regression  zero-inflation  tobit-regression  tweedie-distribution 

2つのグループに100人の参加者がいますn = 50n=50n=50各グループで。4つの時点で基本的な機能の能力の評価を使用しました。評価は6個の質問で構成され、各質問には0〜5のスコアが付けられます。各質問には個別のスコアはありません。合計スコアは0〜30の範囲です。問題は、評価が非常に基本的であり、重大な天井効果があることです。結果は非常にマイナスに歪んでいます。参加者の大半は、特に3つのフォローアップの時点で30近くを記録しました。上限で得点したすべての参加者の能力が真に等しいわけではない可能性があります：一部の参加者は30得点程度であり、他の参加者は30を簡単に得点し、可能であればはるかに高い得点がありますので、データは上から検閲。 2つのグループを比較し、時間の経過とともに比較したいと思いますが、結果の性質を考えると、明らかにこれは非常に困難です。どんな種類の変換でも違いはありません。Tobitモデルはこの評価に最適な装備であり、Arne Henningenの論文「censRegパッケージを使用したRでの検閲された回帰モデルの推定」の例を使用して、Rで分析を実行できます。 ただし、統計の基本的な知識しかなく、Tobitモデルに関する情報は非常に複雑であることがわかりました。このモデルをわかりやすい言葉で説明できるようにする必要がありますが、Tobitモデルが実際に何をどのように行うのかについて、わかりやすい言葉、簡単な説明が見つかりません。誰もがTobitモデルを説明したり、複雑な統計的および数学的説明なしに、読みやすい参照の方向を教えてくれたりしますか？ どんな助けにも非常に感謝しています

13 tobit-regression 

パッケージAERを備えたtobitモデルを使用して、（マニュアルと本にRを適用した計量経済学以外の）良いアプリケーションと例をどこで見つけるか知っている人はいますか？ 編集する （潜在変数y *ではなく）yの周辺効果を計算するコマンドを探しています。のようです、 std.normal累積分布関数です。しかし、Rでこれらの効果をどのように計算できますか？ϕ(xβ/σ)βϕ(xβ/σ)β\phi(x\beta/\sigma)\betaϕϕ\phi

9 r  tobit-regression 

0から無限大までの範囲の従属変数があり、0は実際には正しい観測値です。打ち切りとTobitモデルは、の実際の値が部分的に不明または欠落している場合にのみ適用されることを理解しています。この場合、データは切り捨てられると言われます。このスレッドの打ち切りデータに関するいくつかの詳細。YYY しかし、ここで0は母集団に属する真の値です。このデータでOLSを実行すると、負の推定を行うのに特に厄介な問題があります。をモデル化するにはどうすればよいですか？YYY > summary(data$Y) Min. 1st Qu. Median Mean 3rd Qu. Max. 0.00 0.00 0.00 7.66 5.20 193.00 > summary(predict(m)) Min. 1st Qu. Median Mean 3rd Qu. Max. -4.46 2.01 4.10 7.66 7.82 240.00 > sum(predict(m) < 0) / length(data$Y) [1] 0.0972098 開発 回答を読んだ後、少し異なる推定関数を使用して、ガンマハードルモデルの適合を報告します。結果は私にはかなり驚くべきものです。まず、DVを見てみましょう。明らかなのは、非常に太い尾のデータです。これは、以下でコメントする、適合度の評価に興味深い結果をもたらします。 quantile(d$Y, probs=seq(0, 1, 0.1)) 0% 10% …

9 regression  censoring  truncation  tobit-regression 

DVがスタートアップによって得られた資金の額（米ドル）である回帰を実行したいと思います。当然、DVには多くのゼロ（〜55％）が含まれ、y> 0の連続分布があります。 一般に、私の理解では、Tobitモデル（またはそのバリエーション）はこのDVをモデル化するのに適しています。 今月も読んで議論しているが、標準のTobit（1958）モデル、Cragg（1971）によって提案された2部の拡張と、たとえばHeckmannで表されるTobit Type 2モデルの正確な違いに頭を悩ませている。 （1974、1976、1979）。私の現在の理解は、すべてのモデルが理論的にはさまざまな長所と短所に適用可能であり、それらをまったく使用しない理由の可能性があることです（データセットの正確な特性によって異なります）。 標準のTobitモデルを除外した理由 私のアプリケーションでは、標準のTobitモデルを除外しました。これは、両方のプロセスが同じ変数によってのみ制御され、1つの係数のみが報告されるためです。したがって、特定の変数の効果は、選択と結果の方程式に異なる符号を付けることはできません（場合によってはそうなります）。 Tobit Type 2（またはHeckmann選択モデル）と2パーツモデル（Cragg） これまでの私の理解は、2つのモデルの主な違いは、2つの部分のモデルが真のゼロのみを仮定するという事実であるのに対し、Tobit Type 2は、観測されていないゼロ（たとえば、一般に喫煙をしない人は、 a 0で、一般的に喫煙するが、ある時点で喫煙する余裕がない人も0です） ただし、Cragg（1971）がもともと2つのハードルモデルを提案していたため、yの正の値が観測される前に2つのハードルを克服する必要があるため、これは完全に真実ではありません。喫煙者であるかどうかはありません。]]次に、肯定的な願望が実行されるためには好ましい状況が発生する必要があります（つまり、私は喫煙者であり、喫煙するのに十分な資金を持っています）]。 これは、Tobit Type IIが最初の選択式で両方のタイプのゼロ（または観測されていないだけですか？）を説明し、結果の式がy> 0で切り捨てられることを意味すると思います。単一ハードルCraggモデルは選択の真のゼロのみを説明します方程式とダブルハードルクラッグモデルは、選択中に「観測されていない」ゼロを、結果方程式中に「真の」ゼロを考慮します。 ご質問 3つのモデルに関する私の説明は正しいですか？そして、これは正確にはどういう意味ですか？ゼロのソースが唯一の/主要な決定基準ですか？もしそうなら、これは私のデータに関して私にとって意味があります：スタートアップは資金を申請するかどうかを決定します（ゼロの最初のソース->観察されません）、その後、市場は資金を供給するかどうかを決定します（ゼロの2番目のソース->観察されます）肯定的な場合、どのくらい（y> 0）->クラッグの二重ハードルモデル（単一のハードルモデルと間違われることが多い実際の「二重」ハードルモデル） 私の（潜在的に間違っている）結論に関係なく：使用するモデルのタイプ（Tobit Type 2（Heckmann）モデルまたは2つの部分のモデル（単一ハードル（すべてゼロ）真のゼロ）またはダブルハードル（選択と消費時にゼロが発生する可能性があります））？ゼロのソースだけではありませんか？ 追加情報 この論文（素晴らしい読み物です！Brad R. Humphreys、2013年https://sites.ualberta.ca/~bhumphre/class/zeros_v1.pdf）と特に重要なグラフィックの1つは、観測されていないゼロ（つまり、データが不足している、企業が資金調達を求めていない）、ゼロ（すなわち、投資家が資金提供を行っているかどうか）を非常によく観察した。また、使用するモデルに関するガイダンスも提供しますが、残念ながら、両方のタイプのゼロが同時に存在するデータのソリューションは提供しません。 可能な解決策 さらに掘り下げた後、私が探しているものを正確に統計的に解決する2つの論文を見つけました。 Blundell、Richard and Meghir、Costas、（1987）、Bivariate Alternatives to the Tobit model、Journal of Econometrics、34、issue 1-2、p。179-200。（http://sites.psu.edu/scottcolby/wp-content/uploads/sites/13885/2014/07/Blundell1987_Bivariate-alternatives-to-the-tobit-model.pdf）は、依存関係を想定した二重ハードルモデルについて説明しています。アプリケーションについては、Blundell、Richard、Ham、JohnおよびMeghir、Costas（1987）、Unemployment and Female Labour Supply、Economic Journal、97、issue …

8 model-selection  zero-inflation  tobit-regression  heckman