Słownik metodologiczny · Modele regresji

Model tobitowy – co zrobić, gdy zmienna zależna ma dużo zer?

Model tobitowy to regresja dla zmiennej ciągłej cenzurowanej na granicy, najczęściej w zerze. Pokazujemy, czym cenzurowanie różni się od ucięcia, przykład w R przez survreg, opis do pracy i pułapki.

Strona główna / Słownik / Model tobitowy
W skrócie: Model tobitowy to regresja dla zmiennej ciągłej, której wartości poniżej (lub powyżej) progu są zapisane jako próg – najczęściej jako zero. Zakłada ukrytą zmienną o rozkładzie normalnym i szacuje jej zależność od predyktorów, uwzględniając, że część obserwacji jest cenzurowana.

Co to jest model tobitowy?

Model tobitowy (ang. tobit, od nazwiska Jamesa Tobina) to regresja dla zmiennej ciągłej, która ma skupisko wartości na progu – zwykle w zerze. Zakłada ukrytą zmienną y* = β₀ + β₁x + ε z błędem o rozkładzie normalnym; obserwujemy y = y*, gdy y* > 0, i y = 0 w przeciwnym razie. Model szacuje się metodą największej wiarygodności: obserwacje dodatnie wnoszą gęstość, a zera – prawdopodobieństwo, że y* ≤ 0, tak jak w regresji probitowej. Amemiya (1984) opisuje liczne odmiany, m.in. z progiem górnym i obustronnym.

Cenzurowanie a ucięcie

Zmienna jest cenzurowana, gdy znamy predyktory wszystkich osób, ale dla części tylko to, że wynik leży na progu lub poza nim – jak w obserwacji cenzurowanej w analizie przeżycia, tylko na osi wyniku zamiast czasu. Jest ucięta, gdy osób spoza progu w ogóle nie ma w danych. Typowe przykłady cenzurowania to wynik poniżej progu wykrywalności, efekt podłogi testu i wydatki, które dla wielu osób wynoszą zero.

McDonald i Moffitt (1980) pokazali, że współczynnik tobitu można rozłożyć na zmianę prawdopodobieństwa wyniku powyżej progu i zmianę wartości wśród wyników dodatnich. Cragg (1971) zaproponował modele, w których o tym, czy wynik jest dodatni, i o jego wielkości decydują różne parametry – to podstawa modeli dwuczęściowych. Dla zliczeń z nadmiarem zer lepszy jest model z nadmiarem zer.

Przykład

W symulacji 400 osób (38% zer, prawdziwe nachylenie 2) regresja liniowa dała b = 1.40, a tobit b = 2.19 przy σ = 1.97.

Na rysunku

Dwa panele z tymi samymi 400 osobami. A: zmienna ukryta y* względem x; pełne kropki to wyniki dodatnie, puste kółka – osoby, u których y* było ujemne; kropkowana prawdziwa prosta 1 + 2x i ciągła prosta tobitu niemal się pokrywają. B: dane obserwowane, w których puste kółka leżą na zerze; przerywana prosta MNK jest płaska i schodzi poniżej zera po lewej, a długo przerywana krzywa średniej y z tobitu biegnie płasko przy zerze i wygina się w górę
Rysunek 1. Zmienna ukryta z prawdziwą prostą i prostą modelu tobitowego (A) oraz dane obserwowane z prostą MNK i przewidywaną średnią z modelu tobitowego (B). Obliczenia: R, pakiety survival, ggplot2 i patchwork (dane z przykładu, set.seed(4431)).

Co widać. Panel A pokazuje to, czego w prawdziwych danych nie widać: wartości y* także u 38% osób, które w danych mają 0 (puste kółka). Prosta tobitu (b = 2.19) prawie pokrywa się z prawdziwą prostą 1 + 2x. Panel B to dane, które naprawdę mamy. Prosta MNK (b = 1.40) jest płaska, bo zera po lewej ją podnoszą. Model tobitowy przewiduje średnią obserwowanego y jako krzywą: przy niskim x leży ona przy zerze, a przy wysokim zbliża się do prostej dla y*. Jej nachylenie wynosi 0.59 przy x = −1, 1.51 przy x = 0 i 2.07 przy x = 1, a średnio w próbie 1.37 – blisko MNK.

Na co uważać. MNK nie jest więc „zepsutym tobitem”: przybliża prostą średnią obserwowanego y, ale błędnie przewiduje wartości ujemne po lewej i nie opisuje zakrzywienia. Współczynnik tobitu dotyczy y*, a efekt na obserwowany wynik zależy od miejsca na osi x – to rozkład McDonalda i Moffitta (1980) w obrazku. Prosta tobitu trafia tu w prawdę, bo dane wygenerowano z normalnym błędem o stałej wariancji; przy innym rozkładzie błędu tak dobrze nie będzie. Wykres nie odróżnia też cenzurowania od prawdziwych zer ani od danych uciętych. Cenzurowanie przy górnym progu skali i symulację wielu prób pokazuje wpis Efekt sufitu i model Tobita; zob. też efekt sufitu i efekt podłogi.

Podpis do pracy:

Rysunek 1. Model tobitowy dla wyniku ocenzurowanego w zerze (N = 400, dane symulowane). Uwaga. Panel A: zmienna ukryta y*; puste kółka – osoby z y* ≤ 0, które w danych mają wynik 0 (37.8%); linia kropkowana – prawdziwa zależność y* = 1 + 2x, linia ciągła – zależność oszacowana modelem tobitowym. Panel B: wyniki obserwowane; linia przerywana – regresja metodą najmniejszych kwadratów, linia długo przerywana – średnia wyniku obserwowanego przewidywana przez model tobitowy.

Rysunek na stronie powstał z tego samego obiektu p1 z motywem serwisu (krój, siatka); dane, geometrie i skale są identyczne. Ziarno 4431 jest to samo co w przykładzie.

Kod R rysunku 1
# Rysunek 1. Zmienna ukryta i prosta tobitu (A) oraz dane obserwowane z prostą MNK i średnią z tobitu (B)
suppressPackageStartupMessages({library(survival); library(ggplot2); library(patchwork)})
kol <- c(tobit = "#0072B2", mnk = "#E69F00", prawda = "grey20")   # Okabe–Ito + czerń; różne typy linii
motyw <- theme_minimal(base_size = 13) + theme(panel.grid.minor = element_blank(), legend.position = "bottom")
set.seed(4431)                                        # te same dane co w przykładzie
n <- 400
x <- rnorm(n)
y_ukryte <- 1 + 2 * x + rnorm(n, sd = 2)
y <- pmax(y_ukryte, 0)
m_ols <- lm(y ~ x)
m_tobit <- survreg(Surv(y, y > 0, type = "left") ~ x, dist = "gaussian")
b <- coef(m_tobit); s <- m_tobit$scale
siatka <- data.frame(x = seq(min(x), max(x), length.out = 200))
eta <- b[1] + b[2] * siatka$x
linie <- rbind(
  data.frame(siatka, y = 1 + 2 * siatka$x, co = "prawda: 1 + 2x"),
  data.frame(siatka, y = eta, co = "tobit: y*"),
  data.frame(siatka, y = pnorm(eta / s) * eta + s * dnorm(eta / s), co = "tobit: średnia y"),
  data.frame(siatka, y = predict(m_ols, siatka), co = "MNK"))
styl <- c("prawda: 1 + 2x" = "dotted", "tobit: y*" = "solid", "tobit: średnia y" = "longdash", "MNK" = "dashed")
barwa <- c("prawda: 1 + 2x" = kol[["prawda"]], "tobit: y*" = kol[["tobit"]], "tobit: średnia y" = kol[["tobit"]], "MNK" = kol[["mnk"]])
pkt <- data.frame(x, y, y_ukryte, status = ifelse(y > 0, "obserwowany", "ocenzurowany (y = 0)"))
skale <- list(scale_colour_manual(values = barwa, name = NULL), scale_linetype_manual(values = styl, name = NULL),
              scale_shape_manual(values = c(obserwowany = 16, "ocenzurowany (y = 0)" = 1), name = NULL),
              coord_cartesian(ylim = c(-7, 10)), guides(colour = guide_legend(nrow = 2), shape = guide_legend(nrow = 2)))
pA <- ggplot(pkt, aes(x, y_ukryte)) +
  geom_hline(yintercept = 0, colour = "grey40", linewidth = 0.4) +
  geom_point(aes(shape = status), colour = "grey55", size = 1.3) +
  geom_line(data = subset(linie, co %in% c("prawda: 1 + 2x", "tobit: y*")), aes(x, y, colour = co, linetype = co), linewidth = 1.1) +
  skale + labs(title = "A. Zmienna ukryta y* (nieznana w danych)", x = "x", y = "y*")
pB <- ggplot(pkt, aes(x, y)) +
  geom_hline(yintercept = 0, colour = "grey40", linewidth = 0.4) +
  geom_point(aes(shape = status), colour = "grey55", size = 1.3) +
  geom_line(data = subset(linie, co %in% c("tobit: średnia y", "MNK")), aes(x, y, colour = co, linetype = co), linewidth = 1.1) +
  skale + labs(title = "B. Dane obserwowane y = max(y*, 0)", x = "x", y = "y")
# nachylenie średniej y z tobitu (pochodna = b * P(y* > 0)) w trzech punktach x i średnio w próbie
eta_i <- b[1] + b[2] * x
round(c(nachylenie_x_m1 = b[[2]] * pnorm((b[[1]] - b[[2]]) / s), nachylenie_x_0 = b[[2]] * pnorm(b[[1]] / s),
        nachylenie_x_p1 = b[[2]] * pnorm((b[[1]] + b[[2]]) / s), srednio = mean(b[[2]] * pnorm(eta_i / s)),
        MNK = unname(coef(m_ols)[2])), 2)
p1 <- (pA + pB) & motyw
p1
Wynik w R
nachylenie_x_m1  nachylenie_x_0 nachylenie_x_p1         srednio             MNK 
           0.59            1.51            2.07            1.37            1.40 

Jak opisać w pracy

Ponieważ 38% wyników wynosiło 0, zastosowano model tobitowy z cenzurowaniem lewostronnym w zerze. Wyższa wartość x wiązała się z wyższą wartością ukrytej zmiennej (b = 2.19, σ = 1.97).

Na co uważać

  • Założenia. Przy nienormalnym lub heteroskedastycznym błędzie tobit daje obciążone oszacowania.
  • Prawdziwe zera. Jeśli zero oznacza decyzję „nie”, a nie wynik poza skalą, rozważ model dwuczęściowy.
  • Interpretacja. b dotyczy ukrytej y*, nie obserwowanej średniej y.
Przykład reprodukowalny

Model tobitowy w R

Kod symuluje zmienną ukrytą, cenzuruje jej ujemne wartości w zerze i porównuje regresję MNK z modelem tobitowym oszacowanym funkcją survreg().

MNK a tobit przy 38% zer

Dane wejściowe: 400 symulowanych osób, y* = 1 + 2x + ε, σ = 2, y = max(y*, 0); set.seed(4431).

Co odczytać: odsetek zer, współczynniki MNK i tobitu oraz oszacowane σ.

R
library(survival)
set.seed(4431)
n <- 400
x <- rnorm(n)
y_ukryte <- 1 + 2 * x + rnorm(n, sd = 2)            # zmienna ukryta
y <- pmax(y_ukryte, 0)                                # obserwujemy 0 zamiast wartości ujemnych
mean(y == 0)                                          # odsetek zer
round(coef(lm(y ~ x)), 3)                             # MNK – współczynnik zaniżony
m_tobit <- survreg(Surv(y, y > 0, type = "left") ~ x, dist = "gaussian")
round(c(coef(m_tobit), sigma = m_tobit$scale), 3)     # tobit odtwarza 1, 2 i 2
Wynik w R
[1] 0.3775
(Intercept)           x 
      1.720       1.395 
(Intercept)           x       sigma 
      0.983       2.189       1.969 

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (pakiet survival: survreg(), Surv(); MNK funkcją lm(); rysunek 1 – pakiety ggplot2 i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. survival (wersja 3.8.6): Therneau, T. M. (2026). A package for survival analysis in R [R package]. https://CRAN.R-project.org/package=survival
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  4. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze pytania

Czym zmienna cenzurowana różni się od zmiennej uciętej?

Przy cenzurowaniu widzisz wszystkie osoby i ich predyktory, ale dla części znasz tylko to, że wynik jest na progu lub poza nim. Przy ucięciu osób poza progiem w ogóle nie ma w próbie. Tobit służy do cenzurowania; do ucięcia potrzebny jest model ucięty.

Czy zamiast modelu tobitowego można usunąć zera i policzyć zwykłą regresję?

Nie. Usunięcie zer tworzy próbę uciętą, a regresja na wszystkich danych z zerami zaniża nachylenie. W przykładzie MNK dało b = 1.40 zamiast prawdziwego 2, a tobit – 2.19.

Jak oszacować model tobitowy w R bez pakietu AER?

Użyj pakietu survival: survreg(Surv(y, y > 0, type = "left") ~ x, dist = "gaussian"). Zera są tu traktowane jako cenzurowane lewostronnie, a m$scale to odchylenie standardowe błędu.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Amemiya, T. (1984). Tobit models: A survey. Journal of Econometrics, 24(1–2), 3–61. https://doi.org/10.1016/0304-4076(84)90074-5
  2. Cragg, J. G. (1971). Some statistical models for limited dependent variables with application to the demand for durable goods. Econometrica, 39(5), 829–844. https://doi.org/10.2307/1909582
  3. McDonald, J. F., & Moffitt, R. A. (1980). The uses of Tobit analysis. The Review of Economics and Statistics, 62(2), 318–321. https://doi.org/10.2307/1924766

Cytowania BibTeX

@article{amemiya1984tobit, author={Amemiya, Takeshi}, title={{Tobit models: A survey}}, journal={Journal of Econometrics}, year={1984}, volume={24}, number={1–2}, pages={3--61}, doi={10.1016/0304-4076(84)90074-5}}
@article{cragg1971some, author={Cragg, John G.}, title={{Some statistical models for limited dependent variables with application to the demand for durable goods}}, journal={Econometrica}, year={1971}, volume={39}, number={5}, pages={829--844}, doi={10.2307/1909582}}
@article{mcdonald1980uses, author={McDonald, John F. and Moffitt, Robert A.}, title={{The uses of Tobit analysis}}, journal={The Review of Economics and Statistics}, year={1980}, volume={62}, number={2}, pages={318--321}, doi={10.2307/1924766}}
R