A. 求助，stata做tobit模型的詳細過程，非面板數據
數據是什麼結果就是什麼結果，你可以事後解釋為什麼empirical的結果和你的theory不符合，找些別人和你得到相同結果的解釋下。可以從數據的limitation解釋，比如說數據有什麼bias。
實在想改原始數據（在不作假的前提下），只能看下是不是有outlier，你把你的summary貼出來看看。
B. 誰會用STATA做面板數據的TOBIT模型請教。。
到人大經濟論壇里去提問吧，那裡有一個專門的統計與計量板塊，目前是國內最好的論壇之一了。
C. dea—tobit模型用stata怎麼處理
咨詢記錄 · 回答於2021-10-12
D. stata裡面什麼命令可以對面板數據按時間求均值
首先對面板數據進行聲明：
前面是截面單元，後面是時間標識：
tsset company year
tsset instry year
產生新的變數：gennewvar=human*lnrd
產生滯後變數Genfiscal(2)=L2.fiscal
產生差分變數Genfiscal(D)=D.fiscal
一、描述性統計
xtdes ：對Panel Data截面個數、時間跨度的整體描述
Xtsum：分組內、組間和樣本整體計算各個變數的基本統計量
xttab 採用列表的方式顯示某個變數的分布
二、主要命令和方法
Stata中用於估計面板模型的主要命令：xtreg
xtreg depvar [varlist] [if exp] , model_type [level(#) ]
Model type 模型
be Between-effects estimator
fe Fixed-effects estimator
re GLSRandom-effects estimator
pa GEEpopulation-averaged estimator
mle Maximum-likelihood Random-effectsestimator
主要估計方法：
xtreg： Fixed-, between- and random-effects, and population-averaged linear models
xtregar：Fixed- andrandom-effects linear models with an AR(1) disturbance
xtpcse ：OLS orPrais-Winsten models with panel-corrected standard errors
xtrchh ：Hildreth-Houckrandom coefficients models
xtivreg ：Instrumentalvariables and two-stage least squares for panel-data models
xtabond：Arellano-Bond linear, dynamic panel data estimator
xttobit ：Random-effectstobit models
xtlogit ：Fixed-effects,random-effects, population-averaged logit models
xtprobit ：Random-effects andpopulation-averaged probit models
xtfrontier ：Stochastic frontiermodels for panel-data
xtrc gdp invest culture e sci health social admin,beta
三、xtreg命令的應用
聲明面板數據類型：
*1、面板聲明
use FDI.dtar, clear
xtset id year
1.固定效應模型估計：
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe
2.隨機效應模型估計：
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re
3. 最大似然估計Ml：
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,mle
Hausman檢驗究竟選擇固定效應模型還是隨機效應模型：
第一步：估計固定效應模型，存儲結果
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe
est store fe
第二步：估計隨機效應模型，存儲結果
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re
est store re
第三步：進行hausman檢驗
hausman fe re
對於固定效應模型的異方差檢驗和序列相關檢驗：
xtserial xtreg lngdp lnfdi lnie lnex lnim lnci lngp
異方差檢驗：
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe
xttest3 (Modified Wald statistic for groupwise heteroskedasticity in fixedeffect model)
隨機效應模型的序列相關檢驗：
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re
xttest1
xttest1用於檢驗隨機效應(單尾和雙尾) 、一階序列相關以及兩者的聯合顯著
檢驗結果表明存在隨機效應和序列相關，而且對隨機效應和序列相關的聯合檢驗也非常顯著
可以使用廣義線性模型xtgls對異方差和序列相關進行修正：
xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(hetero)，修正異方差
xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(correlated)，修正依橫截面而變化的異方差
xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(hetero) corr(ar1)，修正異方差和一階序列相關ar(1)
E. stata結果括弧中何時為t
t 是t統計量。
雙欄模型 (Double-hurdle model) 是由 Cragg (1971) 提出的：對於一個活動的參與，個體決策是由兩部分組成的。第一個門檻 (hurdle), 決定個體是否是零類型；第二個門檻 (hurdle) 是在第一個階段是非零的條件下，決定個體對活動的參與程度。這個模型的關鍵特徵是這里有兩種類型的零觀測值，一種是無周圍的環境如何變化他的選擇都是零，另一種是他可以有非零選擇但是目前的環境導致他選擇零，後者也被稱為歸並零 (Tobin,1958) 。因此，雙欄模型除了包括自然的零類型外，還允許零的概率由觀測值的個體決定的。本質上，Double-hurdle 模型 是 Tobit 模型的延續。
Tobit 模型
Tobit 模型又被稱為歸並回歸模型 (censored regression model)， 根據 limit 的設置分為左歸並 (lower censoring) 和右歸並 (upper censoring)，左歸並指事先設置一個最小值 A，當被解釋變數低於這個值時則自動等於 A。如果最低的 limit 為 0 時，被稱為零歸並 (zero censoring)。
上面的公式中潛變數 (最終無法直接被看到)代表個體 希望做出的貢獻 (latent contribution)， 這個潛在貢獻可以為負值，但是試驗規則認為只要為負值最終的貢獻都歸為 0 (規則如下)：
這里以零歸並舉例，採用對數似然函數，估計模型如下：
其中 為示性函數，當下標所表示的條件正確時取值為 1，否則為 0。通過使 最大化來求出 和 。
F. tobit回歸用什麼軟體
SPSS、Eviews、SAS、STATA、R都可以。
_obit模型
_諛承┣榭魷攏喚饈捅淞_的取值范圍會受到限制，比如研究家庭醫療保險支出的影響因素時，某此家庭沒有醫療支出即數字全部為0，也或者研究家庭收入水平時，某些樣本家庭完全沒有收入那麼收入就全部為0，也或者數據調查中有一項為收入為10萬以上，那麼10萬以上的具體數據就『截尾』（沒有10萬以上，最多就到10萬），又比如研究存款的影響因素，但是有的樣本存儲為負數（即其為負債非存儲），諸如此類，按常理應該是正常的正態數據，但是其被解釋變數出現『斷層』（刪失），均可使用tobit模型進行研究（而不是常用的ols線性回歸）。
_乇鶥崾荊?
_境莘治嚼啵直鶚恰笊臼leftcensor』和『右刪失rightcensor』。上述中小於等於數字0即為左刪失，10萬即為右刪失；
_PSSAU默認支持左刪失和右刪失的設置，如果不設置，則其完全等於普通ols線性回歸。
G. 怎麼用stata做tobit模型
數據導入stata中
區分因變數和自變數後用tobit命令就搞定了