आर के साथ टोबिट मॉडल

Question

क्या किसी को पता है कि पैकेज एईआर के साथ इनबिट मॉडल का उपयोग करते हुए अच्छे एप्लिकेशन और उदाहरण (आर के साथ मैनुअल और बुक इकोनोमेट्रिक्स के अलावा) कहां मिलेंगे?

संपादित करें

मैं y के लिए सीमांत प्रभावों की गणना करने के लिए एक कमांड की खोज कर रहा हूं (अव्यक्त चर y * के लिए नहीं)। यह प्रतीत होता है , जहाँ std.normal संचयी वितरण फ़ंक्शन है। लेकिन मैं आर के साथ उन प्रभावों की गणना कैसे कर सकता हूं?$\phi(x\beta/\sigma)\beta$$\phi$

Answer 1

यह पैकेज में नहीं है, बस अपनी खुद की कमांड लिखें। यदि आपका प्रतिगमन reg <- tobit (y ~ x) है तो प्रभावों का सदिश होना चाहिए

pnorm(x%*%reg$coef[-1]/reg$scale)%*%reg$coef[-1].

Comments

क्या आपको कुछ टी () याद आई? बस कुछ मिलता है non-conformable argumentsजब मैं इसके द्वारा दिए गए उदाहरण डेटा के साथ प्रयास करता हूं AER::tobit। क्या आप इसे उदाहरण डेटासेट के साथ आज़माना चाहेंगे?

— हंस

Answer 2

मेरे पास एक ही मुद्दा था (" non-conformable arguments") कि @ hans0l0 ऊपर टिप्पणी में उल्लेख किया है। मुझे लगता है कि मैंने इसे हल कर दिया है, और यहां समझाने की कोशिश करूंगा।

सबसे पहले, मूल पोस्ट में समीकरण में एक त्रुटि है। यह होना चाहिए यानी, वहाँ दूसरे के बाद एक सबस्क्रिप्ट है लेकिन पहले के बाद नहीं। एक टोबिट मॉडल में, एक चर का सीमांत प्रभाव न केवल उस विशेष चर के गुणांक ( ) से ; एक समायोजन कारक की भी आवश्यकता होती है जो मॉडल में अन्य चर के मूल्यों से गणना की जाती है )।$ϕ(xβ/σ)β_j$$β$$x_j$$β_j$$ϕ(xβ/σ)$

वोल्ड्रिज 2006 (पृष्ठ 598) से:

समायोजन कारक ... , रैखिक कार्य पर निर्भर करता है । यह दिखाया जा सकता है कि समायोजन कारक शून्य और एक के बीच कड़ाई से है।$x$$xβ/σ = (β_0 + β_1x_1 + … + β_kx_k)/σ$

इस समायोजन कारक का मतलब है कि हमें मॉडल में अन्य चर के मूल्यों के बारे में एक विकल्प बनाना है: "हमें एक्स _{जे के} लिए मूल्यों में प्लग करना चाहिए , आमतौर पर औसत मूल्य या अन्य दिलचस्प मूल्य" (वॉल्ड्रिज 2006, पी 598)। तो आम तौर पर इसका मतलब होगा, लेकिन यह औसत, शीर्ष / निचला चतुर्थक, या कुछ और भी हो सकता है। यह क्यों @ hans0l0 से संबंधित है और मुझे " non-conformable argument" त्रुटि मिल रही थी जब हम ऊपर एलेक्स के कोड का उपयोग कर रहे थे: x"उस कोड में" एक वेक्टर होगा जब हमें जिस चीज की आवश्यकता होगी वह चर (माध्य / माध्य / आदि) के लिए एक एकल मान है। । मेरा मानना ​​है कि ऊपर दिए गए कोड में एक और त्रुटि भी है कि यह समायोजन शब्द से अवरोधन मान को हटाता है ( [-1]पहले स्क्रिप्ट के बाद स्क्रिप्ट के साथ)reg$coef)। इस बारे में मेरी समझ (लेकिन मुझे सही होने में खुशी है) कि समायोजन शब्द में अवरोधन ( ऊपर से ) शामिल होना चाहिए ।$β_0$

यह सब कहा गया है, यहाँ से डेटासेट का उपयोग करके एक उदाहरण दिया गया है AER::tobit (“Affairs”):

## Using the same model and data as in the Tobit help file
## NB: I have added the “x=TRUE” command so the model saves the x values

> fm.tobit <- tobit(affairs ~ age + yearsmarried + religiousness + occupation + rating,
                    data = Affairs, x=TRUE)
> fm.tobit$coef
(Intercept)  age         yearsmarried  religiousness  occupation  rating 
8.1741974    -0.1793326  0.5541418     -1.6862205     0.3260532   -2.2849727

> fm.tobit$scale
[1] 8.24708 

## the vector of marginal effects (at mean values and for y > 0) should be as follows.
## note the [-1] used to remove the intercept term from the final vector, 
##  but not from within the adjustment term. 

> pnorm(sum(apply(fm.tobit$x,2,FUN=mean) * fm.tobit$coef)/fm.tobit$scale) * 
  fm.tobit$coef[-1]
  age        yearsmarried  religiousness  occupation  rating 
  -0.041921  0.1295365     -0.394172      0.076218    -0.534137 

पुनरावृत्ति के लिए महत्वपूर्ण: ये केवल उन मामलों में सीमांत प्रभाव हैं जहां y सकारात्मक है (यानी कम से कम एक चक्कर हुआ है) और सभी व्याख्यात्मक चर के औसत मूल्यों पर।

अगर कोई टोबीट मॉडल के लिए निर्मित सीमांत प्रभाव उपकरण के साथ एक कार्यक्रम का उपयोग करके उन परिणामों की जांच करना चाहेगा, तो मैं तुलना देखने के लिए उत्सुक हूं। किसी भी टिप्पणी और सुधार बहुत सराहना की जाएगी।

संदर्भ :
वोल्ड्रिज, जेफरी एम। 2006। परिचयात्मक अर्थमिति: एक आधुनिक दृष्टिकोण। थॉमसन दक्षिण-पश्चिमी। तीसरा संस्करण।

Comments

इस योगदान के लिए धन्यवाद। सीवी में आपका स्वागत है। मुझे उम्मीद है कि हम और देखेंगे।

— गूँग - मोनिका