[英]How to replicate standard Tobit results in R using mhurdle package
我使用的是探索多障碍模型mhurdle
包R.首先,我想简单地使用复制标准Tobit模型运行结果tobit()
从功能AER
包或censReg()
从功能censReg
包(两者都产生相同的结果)。 使用来自mhurdle
样本数据,后两个包为 Tobit 回归产生相同的系数估计值,但我无法使用mhurdle()
复制它们。 这是一个基本的例子。 我怀疑我忽略了一些相当简单的事情,但我无法弄清楚。 知道两个模型之间的错误规格在哪里吗?
library(censReg)
library(mhurdle)
### Load sample data from the mhurdle package
data(Interview)
## mhurdle() results for standard Tobit specification
summary(mhurdle(vacations ~ 0 | linc, data=Interview, dist="n", h2=T))
## censReg() results for Tobit (same as tobit() from "AER")
summary(censReg(vacations ~ linc, data=Interview))
mhurdle
包产生以下输出:
Call:
mhurdle(formula = vacations ~ 0 | linc, data = Interview, dist = "n",
h2 = TRUE, method = "bfgs")
Frequency of 0: 0.848
Coefficients :
Estimate Std. Error t-value Pr(>|t|)
h2.(Intercept) -8.97938 0.54647 -16.4315 < 0.00000000000000022 ***
h2.linc 4.98411 0.61031 8.1666 0.000000000000000222 ***
sd.sd 8.68863 0.18009 48.2463 < 0.00000000000000022 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Log-Likelihood: -765.67 on 3 Df
R^2 :
Coefficient of determination : 0.040817
Likelihood ratio index : NA
censReg
和AER
包产生以下输出:
Call:
censReg(formula = vacations ~ linc, data = Interview, method = "bfgs")
Observations:
Total Left-censored Uncensored Right-censored
1000 848 152 0
Coefficients:
Estimate Std. error t value Pr(> t)
(Intercept) -6.33252 0.53559 -11.823 < 0.0000000000000002 ***
linc 3.51493 0.46583 7.545 0.0000000000000451 ***
logSigma 1.81278 0.06231 29.091 < 0.0000000000000002 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
BFGS maximization, 44 iterations
Return code 0: successful convergence
Log-likelihood: -712.5855 on 3 Df
mhurdle 函数有一个参数“缩放”。 如果其含义为 TRUE(默认),则因变量除以其几何平均值。 因此,在这种情况下,估计系数按因变量的几何平均值进行缩放。 要获得标准结果(tobit、censreg),只需将“缩放”更改为 FALSE。
summary(mhurdle(vacations ~ 0 | linc, data=Interview, dist="n", h2=T, scaled = FALSE))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.