TOBIT模型及其在醫(yī)療費用研究中的應(yīng)用.pdf

1、由于生命現(xiàn)象的復(fù)雜性，在醫(yī)學(xué)應(yīng)用中實際遇到的有些數(shù)據(jù)，其因變量雖然是連續(xù)的但在某一點上受到了限制或者說被截取(censored)了，而出現(xiàn)其取值不正確的情況。對于這樣的實際問題，由于連續(xù)的因變量被截取從而使該變量形成截取分布，截取分布是連續(xù)分布和離散分布的混合分布，當以這些因變量進行統(tǒng)計建模時，傳統(tǒng)的線性回歸模型就不再適用，如最小二乘法被證明是不一致的，本次研究的Tobit模型能夠很好地解決這個問題。在滿足正態(tài)性和方差齊性的經(jīng)典假設(shè)條件

2、下，用最大似然法估計Tobit模型是一致和漸近正態(tài)的，然而在醫(yī)學(xué)研究領(lǐng)域中，相當多的數(shù)據(jù)資料并不服從正態(tài)分布，尤其是存在異方差性，在這種情況下應(yīng)用最大似然法估計參數(shù)就會出現(xiàn)不一致的結(jié)果。半?yún)?shù)估計是一種參數(shù)和非參數(shù)估計的混合，比相應(yīng)的參數(shù)模型更能一致的估計參數(shù)，而且比非參數(shù)模型估計更精確，其優(yōu)點是無需假定誤差項分布，所以它對非正態(tài)和異方差是穩(wěn)健的。本文主要概括介紹Tobit模型的兩種半?yún)?shù)估計方法：對稱修剪最小二乘法(SCLS)和截取最

3、小絕對離差估計(CLAD)。同時在經(jīng)典假設(shè)條件下，通過模擬研究，比較了最小二乘回歸模型，Tobit模型和斷尾回歸模型(truncatedregressionmodel)的估計效果，表明當因變量被截取時，Tobit模型是最適合的模型；在違反經(jīng)典假設(shè)條件下，模擬研究了最大似然參數(shù)估計和半?yún)?shù)SCLS、CLAD估計的效果，結(jié)果證明半?yún)?shù)估計優(yōu)于參數(shù)估計。在醫(yī)學(xué)應(yīng)用實例分析部分，應(yīng)用Tobit模型研究分析2004年山西省太原市城市居民醫(yī)療費用支

4、出的影響因素。國內(nèi)對醫(yī)療費用的研究大部分是針對門診病人的門診醫(yī)療費用和住院病人的住院醫(yī)療費用，采用的統(tǒng)計學(xué)方法大部分是多元回歸模型分析、logistic回歸分析、因子分析等傳統(tǒng)的統(tǒng)計學(xué)方法。然而僅僅研究病人這個群體的醫(yī)療費用支出是不夠的，研究對象應(yīng)該擴展到一般人群當中。在一般人群中醫(yī)療費用支出的調(diào)查研究需考慮到醫(yī)療費用取值存在的因變量受限問題。本文應(yīng)用Tobit模型從更廣泛的一般人群(山西省太原市城市居民)中研究影響醫(yī)療費用支出的因素，