用户，
我正在寻找用于删失线性回归的R函数。我有 以下数据
x1 <- rnorm(100)
x2 <- rnorm(100)
y <- x1 + 2*x2 + rnorm(100,0,0.5)
stat <- rep(1,100)
stat[50:100] <- 0
data <- data.frame(y,x1,x2,stat)
y是因变量，x1和x2是自变量 线性模型。变量y可能是右删失的，这个信息 在变量stat中，其中1表示观察到，0表示 审查。如果stat为0，则y中的值为观察值 权利审查的价值，可能更大。使用Tobit模型会 在这里不是正确的事，因为Tobit模型假设相同 对于所有观察的限制，在我的数据中，每个y [50：100]的值都可以 有不同的限制。
如果我使用线性回归
lm1 <- lm(y ~ x1 + x2, data=data)
summary(lm1)
审查没有合并，所以我的想法是使用来自的幸存 生存计划
library(survival)
s1 <- survreg(Surv(y, stat) ~ x1 + x2, data, dist='gaussian')
summary(s1)
我的问题是，这是我的目标的正确方法吗？这是对的 在这里，每个审查的观察结果都有其自身的限制吗？
谢谢和最好的问候
安德烈亚斯
答案 0 :(得分：2)
这是我的目标的正确方法吗？
是
是不是，每个审查的观察结果都有其自身的限制？
是