如果有一组数据（作为被解释变量），有一部分是0的数据，另外一部分是大于0的数据，选择tobit model来做回归，然后做marginal effects；记得tobit有两部分marginal effects，一部分相当于离散选择模型的marginal effect，另外一部分相当于受限的连续变量方程模型的marginal effect。我想问的是，既然tobit可以做出离散选择模型的效果，为什么看到有些paper还是把probit model单独拿出来再做离散选择模型呢？
举个简单的例子，比如做中国公司的R&D投入和sales的关系，用tobit model然后做marginal effects，就可以得到一单位的sales对是否有R&D投入有多大影响；也可以得到一单位的sales对投入R&D的多少有多大的影响；为什么有些paper又重新设置一个虚拟变量（0代表没有R&D投入，1代表有R&D投入），然后用probit model做了一遍，这个是必须的吗？两个得出的结果有什么不同？



多谢多谢！