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!