stata：xttobitの不等式制約

Question

Stataのxttobitのパラメータを非負にすることは可能ですか？私は著者がちょうどそれをしたと言った論文を読んで、どうやって解決しようとしています。

私はyが独立変数である例えばnlcom exp(_b[x1:_y])（（例えばgen x1_e = exp(x1)）あなたが指数関数的に変数を変換することによって厳密に正であることをパラメータを制約することができることを知って、その後、推定した後nlcomを呼び出す。（それは正確に正しいことが、私ではないことHereはStatlistから似た質問です：nlsur）

しかし、負でない制約はどのように見えますか？私は、変数を変換することによって、しかし、私は著者のデータでこれを試したが、依然として負の推定値はxttobitから見つかった。申し訳ありませんが、これは簡単な質問ですが、それは私が少し混乱しています。

（注：これは最初のミスのMEA culpa CVに掲載された）が

更新：私が何を意味するのか、変換誤解しそうです。私たちは次のようにランダム効果モデルを推定するとします：V_IはiとE_のための個々のランダムな効果である

Y_ {それ} + b *のX_を= {それ} + V_I + E_ {それ}

{it}は特有のエラーです。最初の回答から

、あろう、たとえば、のような正の外観であることがすべての係数を拘束する指数変換：

Y_ {それは} = EXP（A）+ EXP（B）* X_ {それ} + v_i + e_ {it}

？

Answer 1

私は、関連する変数を変換してパラメータを制約することについてのあなたの理解は間違っていると思います。 変数をに変換するのではなく、モデルを再変換したモデルに合わせて、パラメータの形で変換します。詳細については、http://www.stata.com/support/faqs/statistics/regression-with-interval-constraints/のFAQを参照してください。xttobitの使用をmlexpに置き換える必要があるため、tobit対数尤度関数のパラメータ化を変換する必要があるため、予想以上に問題に取り組むようにしてください。

非負制約と厳密に正制約の違いに関しては、連続パラメータの場合、（妥当なパラメータ化のために）厳密に正の制約を任意にゼロに近づけることができるため、そのような制約はすべて効果的に非負です。