計算 R 中 Tobit 的虛擬（及其標准誤差）的邊際效應

Question

我有一個標准的 Tobit 模型，其中唯一的解釋變量是處理的虛擬變量（加上截距），我想估計這種處理對我的因變量的邊際影響以及這個 ME 的標准誤差。

我知道 R 中的 mfx 包能夠恢復我想要的 Probit 和 Logit 模型，但我找不到類似的 Tobit 包。 有誰知道可以執行此操作的軟件包或如何通過“手動”恢復 ME 及其標准錯誤？ 謝謝！

編輯：AER 包有一個估計 Tobit 模型的函數，所以我正在尋找使用它計算 ME（和 ME 的標准誤差）的某種方法。 這是我使用 AER 包中的數據所做的一個示例。

library(AER)

data("CollegeDistance")

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

使用此代碼，我可以恢復截距和虛擬變量（性別）、尺度參數以及“性別”和截距的平均值的 Tobit 系數。 但與 Probit/Logit 的 mfx 包不同，AER 包中的 Tobit 函數不返回性別對受教育年限的邊際效應或其標准誤差。

所以，我想知道是否 1) 是否有人知道如何從 AER 的 tobit 函數的輸出中恢復 ME 和 ME 的標准錯誤，或者是否 2) 有人知道像 probitmfx 對 Probit 那樣工作的函數？ 再次感謝。

Answer 1

您可能想嘗試marginaleffects包。 （免責聲明：我是維護者。）

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