1.用logit就行，支持多大都是有支持，设置为1，没支持的设置为0，直接分析就行了。
2.用ols就行，因为是分析给定给支持的企业，没支持的样本就排除在外了。

这个事基本用不上heckman，你研究的不是ZF的支持对其他因素的影响，也用不大上truncated 回归，truncated回归是研究样本中部分数据被截断、忽略而无法获取的。比如选某类型的运动员要求必须170以上，而研究的问题又是全部身高的运动员的某种能力，你这个问题和这个情况不太一样。

谢谢这位大牛兄台的回答，辛苦了。

说的很有道理，受教了。我的问题是研究ZF对企业的RD支持会受到哪些因素影响，比如企业的规模，企业自身RD投入，企业的年限等等。我采集到三百多个样本，有一百多个，ZF支持为0，也就是说这三百多个企业，ZF是有选择性的支持的。
我是想探究ZF有选择性的支持会受到哪些因素影响？然后，ZF对那些支持的企业的支持数额又会受到哪些因素影响？我的数据，有点像censored distribution，就是截取回归，似乎用tobit回归更合适；但我又觉得ZF有个选择的过程，heckman是不是更合适些？

而且三百多个样本中，自变量的数据都是有的。也就是说ZF支持为0的样本，自变量的数据也是存在的。

我觉得应该是用  -heckman- 命令

第一步: 考察ZF是否对样本企业提供研发支持, 因变量=0 代表不支持, =1代表支持, 考察的是ZF是否支持的决策受到哪些因素的影响.

第二步: 对于ZF支持的企业, 即第一阶段因变量取值为1的企业, 考察ZF的支持力度( 比如资助金额的大小)受到哪些因素的影响.

对于第二步, 只有那些在第一步时因变量取值为1的观测案例(obs) 才能观测到ZF支持的力度. 所以这是一个带有样本选择问题的两阶段回归, 属于从属截尾(国内多译为偶然截尾, 是不妥当的, 没有反映出概念的本质)

heckman 的使用方法, 可参见人大出版社出版的<用stata学习计量经济学>, 这本书翻译的质量不高, 可参考英文原版(坛内有电子版, 最好下载  矢量版, 比较清晰): An Introduction to Modern Econometrics Using Stata, 作者是 Baum

重点看: 10.4 Incidental truncation and sample-selection models