Tobit模型(tobit model)是指因變數雖然在正值上大致連續分佈，但包含一部分以正機率取值為0的觀察值的一類模型。比如，在任一給定年份，有相當數量家庭的醫療保險費用支出為0，因此，雖然年度家庭醫療保險費用支出的總體分佈散佈於一個很大的正數範圍內，但在數字0上卻相當集中。它也被稱為截尾迴歸模型或刪失迴歸模型(censored regression model)，屬於受限因變數(limited dependent variable)迴歸的一種。受限因變數指因變數的觀測值是連續的，但是受到某種限制，得到的觀測值並不完全反映因變數的實際狀態。主要包括斷尾迴歸模型(truncated regression model)、Tobit模型(tobit model)和樣本選擇模型(sample selection model)等。擴充套件資料：使用迴歸分析的好處良多。具體如下：

1、它表明自變數和因變數之間的顯著關係；

2、它表明多個自變數對一個因變數的影響強度。迴歸分析也允許我們去比較那些衡量不同尺度的變數之間的相互影響，如價格變動與促銷活動數量之間聯絡。這些有利於幫助市場研究人員，資料分析人員以及資料科學家排除並估計出一組最佳的變數，用來構建預測模型。