針對題主提出的TOBIT模型，在下在Excel中做了一個模擬：自變數X = normsinv(rand()) * 10，共49個觀察值隱變數Y*= 0.3 * X + normsinv(rand())因變數Y = if(Y* >0, Y*, 0)Tobit模型如下：Y = beta * X + epsilon現在要根據上述資料來估計beta。在Eviews中的操作步驟如下：1. 新建workfile，unstructured/undated, 49個觀測值。2. 新增序列X 和序列 Y，將上述模擬出來的資料分別匯入到X和Y中。3. 主選單Quick --> Estimate Equation ...得到如下對話方塊：注意箭頭所標的地方，其中Dependent variable censoring points的設定要與模型的設定一致（本文中模擬的資料就是以0為分界點，所以如此設定）。點選“確定”，就可以得出結果，如下：可以看到，beta的估計值0.301243與真實值0.3很接近，而且統計上很顯著，而截距項統計不顯著，接近0.就這樣。
針對題主提出的TOBIT模型，在下在Excel中做了一個模擬：自變數X = normsinv(rand()) * 10，共49個觀察值隱變數Y*= 0.3 * X + normsinv(rand())因變數Y = if(Y* >0, Y*, 0)Tobit模型如下：Y = beta * X + epsilon現在要根據上述資料來估計beta。在Eviews中的操作步驟如下：1. 新建workfile，unstructured/undated, 49個觀測值。2. 新增序列X 和序列 Y，將上述模擬出來的資料分別匯入到X和Y中。3. 主選單Quick --> Estimate Equation ...得到如下對話方塊：注意箭頭所標的地方，其中Dependent variable censoring points的設定要與模型的設定一致（本文中模擬的資料就是以0為分界點，所以如此設定）。點選“確定”，就可以得出結果，如下：可以看到，beta的估計值0.301243與真實值0.3很接近，而且統計上很顯著，而截距項統計不顯著，接近0.就這樣。