看了李子奈老师的文章
我的数据其实是0值
按照其说法应该采用Heckman做
Tobit和Probit都有selection bias 的问题
不过用Heckman 的问题就是难以找到合适的排除性约束
看了一些国外同类文献
有个比较牛的教授发了一篇比较牛的在一个比较牛的杂志上
用了一个变量做排除性
我想也用这个
但就是苦于没有数据
哎
郁闷

最近几年，我们对农户借贷需求进行了较为广泛的调查，采集了青海、新疆、甘肃、河北、黑龙江、吉林、山西、湖南、湖北、河南、安徽、江西、陕西、山东、辽宁、内蒙古等16省区的72个县、440多个村庄的5100家农户的数据。其中，在一年中发生借贷行为的农户占55.3％(包括向亲友借贷)，为2820户，其余2280户没有发生借贷。对于这一宝贵的数据资源，当然要充分利用。于是，为了对农户借贷行为进行因素分析，不同的研究者建立了不同的计量经济学模型。有人利用2820户发生借贷的农户的借贷额为被解释变量，建立经典的回归模型；有人认为应该将没有发生借贷的农户信息加以利用，其借贷额为0，于是利用5100农户为样本，建立经典的回归模型；有人认为不应该将没有发生借贷的农户的借贷额统统视为0，而应该视为小于等于0(≤0)，于是利用5100农户为样本，建立了归并(censoring)数据模型(Tobit模型)。有人认为不应该将没有发生借贷的农户的借贷额统统视为小于等于0，因为其中一部分农户有借贷需求，只是因为各种原因(例如提出借贷被拒绝，担心借不到而不敢提出借贷要求等)而没有发生实际借贷。所以，应该按照Heckman两步法建立模型，即首先利用全部样本信息建立借贷是否发生的二元选择模型，然后再利用2820户发生借贷的农户为样本，建立借贷额的因素分析回归模型。显然，最后一种模型是正确的，其他都是不正确的。那么，为什么会发生这些现象？
上述例子从不同的角度反映了计量经济学模型与数据之间的关系。前者反映了计量经济学模型估计结果对数据质量的依赖性；后者反映了计量经济学模型类型对数据类型的依赖性。正如李子奈(2007)指出的，在我国计量经济学应用研究广泛开展的今天，问题和错误也普遍存在。重要的原因之一是对计量经济学模型方法论基础缺乏正确的理解，其中包括计量经济学模型的数据基础问题
本文来源于CSSCI学术论文网:http://www.csscipaper.com/ 全文阅读链接：http://www.csscipaper.com/eco/lilunjingji/54307.html

以上是李子奈老师文章里的一段话
我做的例子就和上面的情况相似
李老师的文章写得很好
建议大家都可以去读一读
很有启发

新人学习了！！

如果0值是真实值，就跟楼上几位说的右边变量是Censored data，试着用tobit模型来做

学习了！很有帮助~~~

处理被解释变量中大量零值的情况时，需要根据你的研究目的和数据特性来决定是否剔除这些观测。以下是一些考虑点：

1. **零值的含义**：首先理解为什么会有这么多零值。如果零值代表了重要的信息（如某项支出为零、某种行为没有发生等），那么保留它们可能是必要的，因为这反映了研究对象在这一变量上的真实状态。

2. **模型选择**：对于有大量零值的数据集，普通的线性回归可能不是最佳选择，因为它假设数据呈正态分布。在这种情况下，你可以考虑使用零膨胀模型（Zero-Inflated Model）、混合效应模型、或者对数变换等方法来更好地拟合数据。

3. **信息损失与样本量**：剔除所有被解释变量为0的观测会显著减少你的样本量。这可能导致统计功效降低和标准误增大，影响结果的可靠性。此外，你可能丢失了有关为何这些观测值为零的信息。

4. **替代方法**：你可以尝试使用更复杂的方法来处理这个问题，比如零膨胀泊松回归（ZIP）或零膨胀负二项回归（ZINB），这些模型能够同时处理过度分散和零值过多的问题。

5. **敏感性分析**：在做决定前，可以进行一个敏感性分析。即先分别构建包含所有观测的模型和仅包括非零值的模型，比较结果的差异性和合理性。

总之，在做出决策时，请考虑数据的特点、研究目标以及统计方法的适用性。如果零值有其特定含义且数量庞大，保留它们并使用适当的方法进行建模通常是更科学的选择。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用