Tobit

Tobit – potoczna nazwa modelu Tobita, czyli modelu regresji z cenzurą lewostronną (lub prawostronną), stosowanego w ekonomii i statystyce do analizy zmiennych zależnych, które przyjmują wartość zerową (lub inną stałą graniczną) w pewnym przedziale, a poza nim przyjmują wartości ciągłe.

Historia

Model nazwany od amerykańskiego ekonomisty Jamesa Tobina, który przedstawił go w swojej publikacji z 1958 roku. Tobin opracował tę metodę jako rozszerzenie modelu probitowego i modelu logitowego, aby umożliwić analizę zmiennych ograniczonych od dołu (np. wydatki konsumpcyjne, które nie mogą być ujemne).

Formulacja matematyczna

Podstawowy model Tobita przyjmuje postać:

y_i^* = X_i\beta + \varepsilon_i,\qquad \varepsilon_i\sim N(0,\sigma^2)

gdzie y_i^* jest zmienną latentną, X_i – wektorem zmiennych objaśniających, \beta – wektorem współczynników, a \varepsilon_i – składnikiem losowym o rozkładzie normalnym. Obserwowana zmienna y_i definiowana jest jako:

y_i = \begin{cases}
0 & \text{jeżeli } y_i^* \le 0,\\[4pt]
y_i^* & \text{jeżeli } y_i^* > 0.
\end{cases}

Takie założenie powoduje, że obserwacje poniżej progu (zwykle zero) są „cenzurowane”.

Estymacja

Parametry \beta i \sigma są zwykle szacowane metodą maksymalnego prawdopodobieństwa (MLE). Logarytm funkcji wiarygodności rozkłada się na dwa składniki: jeden odpowiadający obserwacjom zerowym (część dyskretna), drugi – obserwacjom dodatnim (część ciągła).

Zastosowania

• Analiza wydatków gospodarstw domowych (wydatki konsumpcyjne), które nie mogą przyjmować wartości ujemnych.
• Badania popytu na dobra luksusowe, w których duża część respondentów deklaruje brak zakupu.
• Modelowanie godzin pracy, w których część osób nie pracuje (zero godzin).
• Badania kredytowe, gdy część wniosków jest odrzucona (wartość 0), a pozostałe mają zmienne kwotowe.

Powiązane modele

Model Tobita jest częścią rodziny modeli cenzurowanych. Inne popularne warianty to:

• Model probitowy – analiza zmiennych binarnych.
• Model logitowy – alternatywa dla probitu.
• Model trxzynowy (truncated regression) – gdy obserwacje poniżej progu nie są wcale rejestrowane.

Ograniczenia

Głównym ograniczeniem modelu Tobita jest założenie o jednorodnym rozkładzie normalnym błędu \varepsilon_i. W praktyce, gdy heteroskedastyczność lub nie‑normalność są istotne, zaleca się stosowanie modeli odpornościowych lub metod GMM.

Przykład empiryczny

Jednym z klasycznych przykładów jest analiza danych z ankiety wydatków konsumpcyjnych przeprowadzonej w 1990 roku w Stanach Zjednoczonych. Badano zależność między dochodem gospodarstwa (dochód) a wydatkami na jedzenie poza domem. Znaczna część obserwacji miała wartość zerową, co wymagało zastosowania modelu Tobita.

Bibliografia

• Tobin, J. (1958). Estimation of Relationships for Limited Dependent Variables. Econometrica, 26(1), 24‑36.
• Greene, W. H. (2018). Econometric Analysis. 8th ed. Pearson.
• Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data. MIT Press.

Model Tobita pozostaje jednym z podstawowych narzędzi w aplikacyjnej ekonometrii, umożliwiając rzetelną analizę danych, w których występuje naturalny próg cenzury.