1、Tobit模型(tobit model)是指因变量虽然在正值上大致连续分布，但包含一部分以正概率取值为0的观察值的一类模型。

2、比如，在任一给定年份，有相当数量家庭的医疗保险费用支出为0，因此，虽然年度家庭医疗保险费用支出的总体分布散布于一个很大的正数范围内，但在数字0上却相当集中。

3、它也被称为截尾回归模型或删失回归模型(censored regression model)，属于受限因变量(limited dependent variable)回归的一种。

【资料图】

4、受限因变量指因变量的观测值是连续的，但是受到某种限制，得到的观测值并不完全反映因变量的实际状态。

5、主要包括断尾回归模型(truncated regression model)、Tobit模型(tobit model)和样本选择模型(sample selection model)等。

6、扩展资料：使用回归分析的好处良多。

7、具体如下：它表明自变量和因变量之间的显著关系；2、它表明多个自变量对一个因变量的影响强度。

8、回归分析也允许我们去比较那些衡量不同尺度的变量之间的相互影响，如价格变动与促销活动数量之间联系。

9、这些有利于帮助市场研究人员，数据分析人员以及数据科学家排除并估计出一组最佳的变量，用来构建预测模型。

10、参考资料来源：百度百科——Tobit模型。

本文到此分享完毕，希望对大家有所帮助。