计算 R 中 Tobit 的虚拟（及其标准误差）的边际效应

Question

我有一个标准的 Tobit 模型，其中唯一的解释变量是处理的虚拟变量（加上截距），我想估计这种处理对我的因变量的边际影响以及这个 ME 的标准误差。

我知道 R 中的 mfx 包能够恢复我想要的 Probit 和 Logit 模型，但我找不到类似的 Tobit 包。 有谁知道可以执行此操作的软件包或如何通过“手动”恢复 ME 及其标准错误？ 谢谢！

编辑：AER 包有一个估计 Tobit 模型的函数，所以我正在寻找使用它计算 ME（和 ME 的标准误差）的某种方法。 这是我使用 AER 包中的数据所做的一个示例。

library(AER)

data("CollegeDistance")

model <- tobit(CollegeDistance$education ~ CollegeDistance$gender, left = 0, data = CollegeDistance, x= TRUE)

使用此代码，我可以恢复截距和虚拟变量（性别）、尺度参数以及“性别”和截距的平均值的 Tobit 系数。 但与 Probit/Logit 的 mfx 包不同，AER 包中的 Tobit 函数不返回性别对受教育年限的边际效应或其标准误差。

所以，我想知道是否 1) 是否有人知道如何从 AER 的 tobit 函数的输出中恢复 ME 和 ME 的标准错误，或者是否 2) 有人知道像 probitmfx 对 Probit 那样工作的函数？ 再次感谢。

Answer 1

您可能想尝试marginaleffects包。 （免责声明：我是维护者。）

library(AER)
library(marginaleffects)
data("CollegeDistance")
model <- tobit(education ~ gender, left = 0, data = CollegeDistance, x= TRUE)
mfx <- marginaleffects(model)
summary(mfx)

## Average marginal effects 
##       type         Term  Effect Std. Error z value Pr(>|z|)   2.5 %  97.5 %
## 1 response genderfemale -0.0351    0.05222 -0.6722  0.50148 -0.1374 0.06725
## 
## Model type:  tobit 
## Prediction type:  response