我是R的新手（主要是SQL程序），但是遇到了SQL无法帮助我的问题。我将尝试简化下面的问题。
假设我有一组包含100行的数据，其中每行具有与之关联的不同权重。在这100行数据中，5个具有X值，其顶部编码为1000.还假设X可以用线性方程X~Y + Z + U + 0表示（想要一个正值，所以我不要＆＃ 39;想要一个Y轴拦截。
现在，在不考虑每行数据的权重的情况下，我在R中使用的公式为：
fit = censReg(X ~ Y + Z + U + 0, left = -Inf, right = 1000, data = dataset)
如果我计算summary(fit)，我会得到0个左删失值，95个未经审查的值和5个正确的删失值，这正是我想要的，减去权重没有被充分添加的事实进入组合。我检查了censReg函数的参考手册，它似乎不接受权重参数。
我对censReg功能缺少什么，或者是否有其他功能对我有用？我的最终目标是在被审查的情况下估计X（即5个案例，即1000）。
答案 0 :(得分：1)
你应该在这种情况下使用Tobit回归，它专门用于线性模拟潜在变量，例如你描述的变量。
回归考虑了你的权重和审查的观察结果，这可以在I型托比特（上限和下限）的对数似然函数的推导中看出。
可以使用带有VGAM控制参数的vglm函数在tobit包中找到Tobit回归。这里有一个很好的例子：