A. 求助，stata做tobit模型的详细过程，非面板数据
数据是什么结果就是什么结果，你可以事后解释为什么empirical的结果和你的theory不符合，找些别人和你得到相同结果的解释下。可以从数据的limitation解释，比如说数据有什么bias。
实在想改原始数据（在不作假的前提下），只能看下是不是有outlier，你把你的summary贴出来看看。
B. 谁会用STATA做面板数据的TOBIT模型请教。。
到人大经济论坛里去提问吧，那里有一个专门的统计与计量板块，目前是国内最好的论坛之一了。
C. dea—tobit模型用stata怎么处理
咨询记录 · 回答于2021-10-12
D. stata里面什么命令可以对面板数据按时间求均值
首先对面板数据进行声明：
前面是截面单元，后面是时间标识：
tsset company year
tsset instry year
产生新的变量：gennewvar=human*lnrd
产生滞后变量Genfiscal(2)=L2.fiscal
产生差分变量Genfiscal(D)=D.fiscal
一、描述性统计
xtdes ：对Panel Data截面个数、时间跨度的整体描述
Xtsum：分组内、组间和样本整体计算各个变量的基本统计量
xttab 采用列表的方式显示某个变量的分布
二、主要命令和方法
Stata中用于估计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
主要估计方法：
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命令的应用
声明面板数据类型：
*1、面板声明
use FDI.dtar, clear
xtset id year
1.固定效应模型估计：
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe
2.随机效应模型估计：
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re
3. 最大似然估计Ml：
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,mle
Hausman检验究竟选择固定效应模型还是随机效应模型：
第一步：估计固定效应模型，存储结果
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe
est store fe
第二步：估计随机效应模型，存储结果
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re
est store re
第三步：进行hausman检验
hausman fe re
对于固定效应模型的异方差检验和序列相关检验：
xtserial xtreg lngdp lnfdi lnie lnex lnim lnci lngp
异方差检验：
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,fe
xttest3 (Modified Wald statistic for groupwise heteroskedasticity in fixedeffect model)
随机效应模型的序列相关检验：
xtreg xtreg lngdp lnfdi lnie lnex lnim lnci lngp,re
xttest1
xttest1用于检验随机效应(单尾和双尾) 、一阶序列相关以及两者的联合显着
检验结果表明存在随机效应和序列相关，而且对随机效应和序列相关的联合检验也非常显着
可以使用广义线性模型xtgls对异方差和序列相关进行修正：
xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(hetero)，修正异方差
xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(correlated)，修正依横截面而变化的异方差
xtgls xtreg lngdp lnfdi lnie lnex lnim lnci lngp, panels(hetero) corr(ar1)，修正异方差和一阶序列相关ar(1)
E. stata结果括号中何时为t
t 是t统计量。
双栏模型 (Double-hurdle model) 是由 Cragg (1971) 提出的：对于一个活动的参与，个体决策是由两部分组成的。第一个门槛 (hurdle), 决定个体是否是零类型；第二个门槛 (hurdle) 是在第一个阶段是非零的条件下，决定个体对活动的参与程度。这个模型的关键特征是这里有两种类型的零观测值，一种是无周围的环境如何变化他的选择都是零，另一种是他可以有非零选择但是目前的环境导致他选择零，后者也被称为归并零 (Tobin,1958) 。因此，双栏模型除了包括自然的零类型外，还允许零的概率由观测值的个体决定的。本质上，Double-hurdle 模型 是 Tobit 模型的延续。
Tobit 模型
Tobit 模型又被称为归并回归模型 (censored regression model)， 根据 limit 的设置分为左归并 (lower censoring) 和右归并 (upper censoring)，左归并指事先设置一个最小值 A，当被解释变量低于这个值时则自动等于 A。如果最低的 limit 为 0 时，被称为零归并 (zero censoring)。
上面的公式中潜变量 (最终无法直接被看到)代表个体 希望做出的贡献 (latent contribution)， 这个潜在贡献可以为负值，但是试验规则认为只要为负值最终的贡献都归为 0 (规则如下)：
这里以零归并举例，采用对数似然函数，估计模型如下：
其中 为示性函数，当下标所表示的条件正确时取值为 1，否则为 0。通过使 最大化来求出 和 。
F. tobit回归用什么软件
SPSS、Eviews、SAS、STATA、R都可以。
_obit模型
_谀承┣榭鱿拢唤馐捅淞_的取值范围会受到限制，比如研究家庭医疗保险支出的影响因素时，某此家庭没有医疗支出即数字全部为0，也或者研究家庭收入水平时，某些样本家庭完全没有收入那么收入就全部为0，也或者数据调查中有一项为收入为10万以上，那么10万以上的具体数据就‘截尾’（没有10万以上，最多就到10万），又比如研究存款的影响因素，但是有的样本存储为负数（即其为负债非存储），诸如此类，按常理应该是正常的正态数据，但是其被解释变量出现‘断层’（删失），均可使用tobit模型进行研究（而不是常用的ols线性回归）。
_乇鹛崾荆?
_境莘治嚼啵直鹗恰笊臼leftcensor’和‘右删失rightcensor’。上述中小于等于数字0即为左删失，10万即为右删失；
_PSSAU默认支持左删失和右删失的设置，如果不设置，则其完全等于普通ols线性回归。
G. 怎么用stata做tobit模型
数据导入stata中
区分因变量和自变量后用tobit命令就搞定了