คำถามติดแท็ก tobit-regression

1
วิธีสร้างแบบจำลองข้อมูลต่อเนื่องที่ไม่เป็นศูนย์ที่ไม่ทำให้เกิดค่าลบ?
ตอนนี้ฉันกำลังพยายามใช้ตัวแบบเชิงเส้น ( family = gaussian) กับตัวบ่งชี้ความหลากหลายทางชีวภาพที่ไม่สามารถรับค่าที่ต่ำกว่าศูนย์ได้นั้นจะสูงเกินศูนย์และต่อเนื่อง ค่าตั้งแต่ 0 ถึงน้อยกว่า 0.25 ด้วยเหตุนี้จึงมีรูปแบบที่ชัดเจนในส่วนที่เหลือของแบบจำลองที่ฉันไม่ได้จัดการเพื่อกำจัด: ใครบ้างมีความคิดเกี่ยวกับวิธีการแก้ปัญหานี้?

2
คำอธิบายแบบจำลอง Tobit
เรามีผู้เข้าร่วม 100 คนในสองกลุ่มn = 50n=50n=50ในแต่ละกลุ่ม เราใช้การประเมินความสามารถในการทำงานขั้นพื้นฐานที่ 4 จุดเวลา การประเมินประกอบด้วยคำถามทั้งหมด 6 ข้อแต่ละข้อมีคะแนน 0 - 5 เราไม่มีคะแนนเป็นรายบุคคลสำหรับแต่ละคำถามเพียงคะแนนรวมที่อยู่ในช่วงตั้งแต่ 0 - 30 คะแนนที่สูงขึ้นหมายถึงการทำงานที่ดีขึ้น ปัญหาคือว่าการประเมินขั้นพื้นฐานมากและมีผลกระทบเพดานอย่างมีนัยสำคัญ ผลลัพธ์มีความเบ้ทางลบมาก ผู้เข้าร่วมส่วนใหญ่ทำคะแนนได้ใกล้เคียงกับ 30 โดยเฉพาะอย่างยิ่งที่ 3 คะแนนติดตามเวลา มีความเป็นไปได้ที่ผู้เข้าร่วมที่ทำคะแนนได้ไม่เท่ากันจะมีความสามารถอย่างเท่าเทียมกัน: ผู้เข้าร่วมบางคนมีคะแนนเพียงแค่ 30 คะแนนและคนอื่น ๆ ได้คะแนน 30 ด้วยความง่ายดายและจะได้คะแนนสูงกว่ามาก เซ็นเซอร์จากด้านบน ฉันต้องการเปรียบเทียบทั้งสองกลุ่มและเมื่อเวลาผ่านไป แต่เห็นได้ชัดว่านี่เป็นเรื่องยากมากเนื่องจากลักษณะของผลลัพธ์ การแปลงรูปแบบใด ๆ ก็ไม่ได้สร้างความแตกต่าง ฉันได้รับการแนะนำว่ารูปแบบบิทที่ดีที่สุดคือการติดตั้งสำหรับการประเมินนี้และฉันสามารถเรียกใช้การวิเคราะห์ในการวิจัยโดยใช้ตัวอย่างจากกระดาษอาร์เน่ Henningen ของประมาณรุ่นถดถอยเซ็นเซอร์ใน R โดยใช้แพคเกจ อย่างไรก็ตามฉันมีเพียงความรู้พื้นฐานทางสถิติและพบว่าข้อมูลเกี่ยวกับโมเดล Tobit นั้นค่อนข้างซับซ้อน ฉันต้องสามารถอธิบายโมเดลนี้ในภาษาธรรมดาและฉันไม่สามารถหาคำอธิบายภาษาธรรมดาถั่วและสลักเกลียวว่าแบบจำลอง Tobit …

2
รุ่น Tobit พร้อม R
มีใครรู้บ้างว่าจะหาแอปพลิเคชันและตัวอย่างที่ดีได้ที่ไหน (นอกเหนือจากคู่มือและหนังสือเศรษฐศาสตร์ที่ใช้กับ R) โดยใช้โมเดล tobit กับแพ็คเกจ AER แก้ไข ฉันกำลังค้นหาคำสั่งเพื่อคำนวณผลกระทบส่วนเพิ่มสำหรับ y (ไม่ใช่สำหรับตัวแปรแฝง y *) ดูเหมือนว่าโดยที่เป็นฟังก์ชันการแจกแจงสะสม std.n ปกติ แต่ฉันจะคำนวณผลกระทบเหล่านั้นด้วย R ได้อย่างไรϕ(xβ/σ)βϕ(xβ/σ)β\phi(x\beta/\sigma)\betaϕϕ\phi
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.