从OLS到非线性模型：如何科学选择Logit/Probit/Tobit进行稳健性检验
当你的导师在组会上皱着眉头说"这个结果不够稳健"时，往往意味着需要超越简单的OLS回归。我至今记得第一次被要求做模型替换检验时的慌乱——面对Logit、Probit、Tobit这些名词，连基本的适用场景都分不清，更别说用Stata实现了。本文将用最直白的语言，帮你理清这些模型的本质区别，并给出可直接套用的代码模板。
1. 为什么OLS不够？理解模型替换的逻辑
2015年发表在《American Economic Review》的一项研究发现，在顶级经济学期刊中，约43%的论文因模型设定不当导致结果偏差。模型替换作为稳健性检验的"黄金标准"，其核心价值在于验证结论是否受特定函数形式的影响。
关键判断维度：
- 被解释变量（Y）的性质：连续型、二元离散、截断型还是受限型？
- 数据分布特征：是否存在明显的非线性关系？
- 理论依据：研究问题本身是否隐含某种数据生成过程？
注意：模型替换不是简单的技术操作，而是对理论假设的再检验。审稿人最反感的就是无脑跑完所有模型却不解释选择逻辑。
下表对比了常见模型的适用场景：
| 模型类型 | 典型Y变量特征 | 核心假设 | Stata命令示例 |
|---|---|---|---|
| OLS | 连续无限制 | 线性可加 | reg y x1 x2 |
| Logit | 二元(0/1) | 逻辑分布 | logit y x1 x2 |
| Probit | 二元(0/1) | 正态分布 | probit y x1 x2 |
| Tobit | 左/右截断 | 潜变量 | tobit y x1 x2, ll(0) |
2. Logit/Probit模型：当Y变成虚拟变量时
许多研究者直到被审稿人质疑才意识到：当Y是"是否上市"、"是否并购"这类二元变量时，OLS的线性概率模型(LPM)会导致预测值超出[0,1]区间。这时就该切换到Logit或Probit模型。
实操步骤：
- 变量转换：
gen y_dummy = (y > median_y) // 将连续Y转为虚拟变量 - 基础模型估计：
logit y_dummy x1 x2 i.industry, robust probit y_dummy x1 x2 i.year, cluster(id) - 边际效应计算（关键！）：
margins, dydx(*) atmean // 平均边际效应 margins, dydx(x1) at(x2=0.5) // 特定值边际效应
结果解读陷阱：
- 直接比较Logit和Probit系数是严重错误！两者尺度不同
- 正确做法是比较边际效应或预测概率
- 使用
estat classification检查模型预测准确率
3. Tobit模型：处理截断数据的艺术
当Y存在大量0值（如研发支出、捐赠金额）时，Tobit模型比OLS更合适。它通过潜变量(latent variable)概念区分"选择"和"强度"两个决策过程。
典型应用场景：
- 左截断数据：
y = max(0, y*) - 右截断数据：
y = min(c, y*) - 区间数据：
a ≤ y ≤ b
完整实现代码：
tobit y x1 x2, ll(0) ul(100) // 同时设定上下限 predict y_hat, xb // 获取潜变量预测值 predict y_trunc, ystar(0,.) // 获取截断预测值关键诊断指标：
/sigma：扰动项标准差- 似然比检验：
estat ic比较AIC/BIC - 残差正态性检验：
predict res, score; swilk res
4. 模型比较与结果呈现技巧
我曾见过一个审稿意见尖锐指出："作者展示了5种模型结果，却没说为什么选择表3作为主回归"。这提醒我们：模型替换不是越多越好，而要服务于论证逻辑。
结构化呈现建议：
- 先展示OLS基准结果
- 按数据特征分组对比替代模型
- 用星号标注显著性变化情况
- 添加模型适用性说明脚注
自动化对比表格代码：
eststo ols: reg y x1 x2 eststo logit: logit y_dummy x1 x2 eststo tobit: tobit y x1 x2, ll(0) esttab ols logit tobit using results.rtf, se star(* 0.1 ** 0.05 *** 0.01)最后记住：模型是工具而非目的。在最近的企业创新研究中，我最初机械地使用Tobit模型，直到发现其实质性结论与OLS差异不足5%时才意识到——有时候最简单的模型反而最有力。
