对于GLM（广义线性回归）和Tobit（托宾回归）的关系，我个人认为，GLM是OLS的扩展，对于数据的要求比OLS宽松得多，即：因变量可以是正整数或分类数据（OLS要求连续数值），分布可以是指数分布（OLS必须是正态分布），因变量期望的函数与自变量成线性关系即可（OLS要求因变量的期望与自变量成线性关系）。由此可见，GLM的应用范围非常广泛。

Tobit是GLM的一种，其因变量和自变量的关系也是非线性的，但是和GLM相比，Tobit可以很好的反应边际变化的规律。

对于存在左截尾的角点解数据，两种方法都可以用，但还是应该优先选择使用Tobit。