Tobit 审查回归是什么？
Tobit 处理的是审查因变量：真实潜在结果可以继续变大或变小，但你观察到的值被压在某个边界上。它不是处理“真实零值很多”的通用模型。
先用一句话理解
把 Tobit 想成考试成绩有封顶。学生真实能力可能超过 100 分，但成绩单最多只显示 100；观察值被边界限制，潜在结果还在边界外继续变化。
什么时候用
| 判断项 | 教科书式判断 |
|---|---|
| 适合用在 | 结果变量被下限、上限或双侧边界审查，边界值代表被压住的观测结果。 |
| 先不要用在 | 零值是真实选择、真实未发生或计数过程产生的零。 |
| 最关键的前提 | 存在一个连续潜在变量 Y*，观察到的 Y 是它被审查后的结果。 |
| 读表顺序 | 先确认审查边界，再看潜在变量系数和边际效应。 |
| 论文表述边界 | Tobit 系数不是直接的观察值均值变化，最好报告边际效应。 |
把它和相近方法分清楚
| 容易混淆的对象 | 怎么区分 | 初学者记法 |
|---|---|---|
| Tobit | 结果被压在边界，但边界外潜在结果存在。 | 审查，不是样本缺失。 |
| 截断回归 | 边界外样本根本看不见。 | 样本选择机制不同。 |
| Poisson/负二项 | 结果是非负计数。 | 真实零值多时通常更自然。 |
核心直觉和模型公式
潜在结果和审查结果
左侧审查 Tobit 可以写成：
\[Y_i^*=X_i\beta+u_i,\quad Y_i=\max(c,Y_i^*)\]
如果潜在结果低于边界 c，观察到的 Y 只显示为 c；这就是审查。
公式里的符号怎么读
| 符号 | 含义 | 在本页怎么理解 |
|---|---|---|
| Y_i* | 潜在结果 | 理论上连续变化、但不完全被观察到的结果。 |
| Y_i | 观察结果 | 被边界审查后出现在数据里的值。 |
| c | 审查边界 | 例如 0、100 或制度规定的上下限。 |
| X_i | 解释变量 | 影响潜在结果 Y* 的变量。 |
| β | 潜在结果系数 | 解释 X 对 Y* 的关系，不等于观察均值的直接变化。 |
专业使用口径
Tobit 最容易被误用在零值很多的结果上，因此先判断零值含义。
| 口径 | 专业写法 |
|---|---|
| 边界含义 | 说明边界值是被审查、封顶、封底，还是一个真实结果。 |
| 潜在变量 | 论证存在连续潜在结果 Y*。 |
| 边际效应 | 区分对潜在结果、观察结果均值和非审查概率的影响。 |
| 替代模型 | 真实零值多时考虑计数模型、两部模型或 hurdle 模型。 |
一步一步做：从问题到结果的五步
| 步骤 | 这一页具体做什么 | 做到什么程度才算读懂 |
|---|---|---|
| 1. 判断边界 | 先问边界值是不是测量限制。 | 如果零就是没有发生，Tobit 可能不合适。 |
| 2. 写出潜在变量 | 说明 Y* 在理论上如何连续变化。 | 没有潜在连续变量，Tobit 逻辑不成立。 |
| 3. 估计 Tobit | 设定左审查、右审查或双侧审查。 | 边界方向不能写错。 |
| 4. 计算边际效应 | 把潜在系数转成观察层面的解释。 | 不要直接读 β 为均值变化。 |
| 5. 对照替代模型 | 与 OLS、Poisson 或两部模型比较口径。 | 模型选择要服务于数据生成过程。 |
结果怎么读：先读口径，再读数字
本页案例读表时，先记住这个口径：Logit 系数 = 0.0177；高创新企业概率模型中的 DFI 系数。
| 读表顺序 | 本页怎么读 | 不要这样读 |
|---|---|---|
| 先看边界 | 确认审查点和审查方向。 | 边界不清楚时不能解释 Tobit。 |
| 再看潜在系数 | 系数方向说明 X 对 Y* 的关系。 | 不要直接写成观察值变化。 |
| 然后看边际效应 | 边际效应更适合正文解释。 | 不同边际效应口径不能混写。 |
| 最后看替代解释 | 零值或边界值如果是真实选择，要换模型。 | 不要用 Tobit 包治所有非负 Y。 |
初学者最容易错在哪里
| 误读 | 为什么错 |
|---|---|
| 把真实零值当审查 | 错。真实零和被压到零不是一回事。 |
| 把 Tobit 系数当 OLS 系数 | 错。它对应潜在变量。 |
| 截断和审查混用 | 错。截断是样本不可见，审查是结果被压边界。 |
| 不报告边际效应 | 不够。正文通常需要观察层面的概率或均值变化。 |
先看这个案例的结论
- Logit 系数 = 0.0177；高创新企业概率模型中的 DFI 系数。
- Poisson 系数 = -0.0006；专利计数模型中的 DFI 系数。
- 基准 OLS 系数 = 0.0032；与线性模型方向对照。
- 这些数字来自页面里的结果表；写论文时先解释数值含义，再讨论理论含义。
变量要求和案例口径
| 字段 | 口径 |
|---|---|
| 数据 | CSMAR 风格 A 股企业创新面板 |
| 原始样本 | 196 家上市公司，2015-2020 年，约 1200 个公司-年观测；各方法有效样本以本页输出表 N 为准 |
| 因变量 | patent_count；回归页通常使用 ln(1 + patent_count) |
| 核心解释变量 | dfi_index，数字普惠金融指数；部分案例输出展示的是标准化后的 dfi_index |
| 控制变量 | roa、lev、size、growth、cashflow、tobinq、top1、dual、board、indep、soe、age |
| 输出文件 | tobit_results.csv |
| 角色要求 | 因变量、核心解释变量 |
| 依赖包 | 无额外 Stata 社区包要求 |
实际代码
下面是本页案例里的最小 Stata 代码。它的作用是帮助你看清变量怎么进入模型、结果文件怎么生成，而不是要求你在网页里手动运行。
import delimited "$DATA_PATH", clear varnames(1) encoding(UTF-8)
gen ln_patent1 = ln(1 + patent_count)
egen firm_id = group(stkcd)
xtset firm_id year
global y ln_patent1
global count_y patent_count
global x dfi_index
global controls roa lev size growth cashflow tobinq top1 dual board indep soe age
gen post = year >= 2018
bysort firm_id: egen pre_dfi = mean(cond(year < 2018, dfi_index, .))
quietly summarize pre_dfi, detail
gen treat = pre_dfi >= r(p50)
gen did = treat * post
gen high_patent = patent_count > 2
gen running_dfi = dfi_index - 260
gen rdd_treat = running_dfi >= 0
tobit patent_count $x $controls i.year, ll(0) vce(cluster firm_id)
export delimited using "$JOB_DIR/tobit_results.csv", replace实际输出表
这张表是本方法页配套案例的输出结果，用来把前面的公式、变量口径和代码对应到实际数字。
| 指标 | 数值 | 解释 |
|---|---|---|
| 样本 | 1200 obs / 196 firms / 2015-2020 | 来自共用案例 CSV |
| 因变量 | ln(1 + patent_count) | 企业创新产出 |
| 核心解释变量 | dfi_index | 数字普惠金融指数 |
| 输出文件 | tobit_results.csv | empirical-wizard 对应方法产物 |
| Logit 系数 | 0.0177 | 高创新企业概率模型中的 DFI 系数 |
| Poisson 系数 | -0.0006 | 专利计数模型中的 DFI 系数 |
| 基准 OLS 系数 | 0.0032 | 与线性模型方向对照 |
案例图
这是一张由同一份案例数据生成的页面内诊断图。
论文里怎么写
本文在共用企业面板样本上报告Tobit 审查回归，核心输出见 tobit_results.csv。结果解释时同时关注样本口径、变量构造、系数方向、标准误和适用前提，避免只凭单个 p 值完成方法选择。
检查清单
- 先确认结果是审查而不是截断，也不是普通计数零值。
- Tobit 系数对应潜在变量，正文更适合解释边际效应。
- 边界点样本过多时，要说明为何不是 hurdle、ZIP 或两部分模型。