我正在使用R中的mhurdle包来探索多障碍模型。首先，我尝试简单地从{{中复制使用tobit()函数运行的标准Tobit模型的结果1}}包或AER包中的censReg()函数（两者均产生相同的结果）。使用来自censReg的样本数据，后两个包对Tobit回归产生相同的系数估计，但是我无法使用mhurdle复制它们。这是一个基本的例子。我怀疑我正在忽略一些相当简单的内容，但我无法弄清楚。知道这两个模型之间的错误规格在哪里吗？
mhurdle() library(censReg)
library(mhurdle)
### Load sample data from the mhurdle package
data(Interview)
## mhurdle() results for standard Tobit specification
summary(mhurdle(vacations ~ 0 | linc, data=Interview, dist="n", h2=T))
## censReg() results for Tobit (same as tobit() from "AER")
summary(censReg(vacations ~ linc, data=Interview))
软件包产生以下输出：
mhurdle Call:
mhurdle(formula = vacations ~ 0 | linc, data = Interview, dist = "n",
h2 = TRUE, method = "bfgs")
Frequency of 0: 0.848
Coefficients :
Estimate Std. Error t-value Pr(>|t|)
h2.(Intercept) -8.97938 0.54647 -16.4315 < 0.00000000000000022 ***
h2.linc 4.98411 0.61031 8.1666 0.000000000000000222 ***
sd.sd 8.68863 0.18009 48.2463 < 0.00000000000000022 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Log-Likelihood: -765.67 on 3 Df
R^2 :
Coefficient of determination : 0.040817
Likelihood ratio index : NA
和censReg软件包产生以下输出：
AER答案 0 :(得分：0)
mhurdle函数的参数为“ scaled”。如果其含义为TRUE（默认值），则将因变量除以其几何平均值。因此，在这种情况下，估计系数由因变量的几何平均值缩放。要获得标准结果（tobit，censreg），只需将“ scaled”更改为FALSE。
summary(mhurdle(vacations ~ 0 | linc, data=Interview, dist="n", h2=T, scaled = FALSE))