面板tobit模型对数似然值越大越好么

用似然值的对数比评估模型时，是用当前模型的似然值/full模型的似然值，然后取对数再乘以-2，即-2ln(Lc/Lf)

当模型拟合得好的时候， Lc/Lf 接近于1 -->ln(Lc/Lf) 是很小的负数-->-2ln(Lc/Lf)，即-2LL,应该是很小的正数。所以说-2LL小说明模型拟合得好。

所以LL越大越好

在我认知范围内，多重共线性问题一直不是计量里的什么大问题，回归之前看看各变量之间的相关系数基本就可以确定是否需要进一步检验了，线性相关性比较高，那就直接剔除吧！异方差检验我也没有做过，我一般直接就用稳健标准差，从来不用一般标准差！至于自相关检验这个问题也是没有做过的！

我认为做什么检验和文章关系比较大！我做过一篇FDI的文章，里面采用FDI存量数据，存量数据肯定有很强自相关性，于是我就采用动态面板估计了，后来经过几个模型的比对发现，FDI存量的自相关性对回归结果影响很小。计量实证还是应该为自己的思想服务，检验越多、方法越复杂不见得就一定是好事！

以上愚见，仅供参考！水平有限，望请谅解！

Tobit模型也称为样本选择模型、受限因变量模型，是因变量满足某种约束条件下取值的模型。

门槛面板模型是我们可以考虑不同所有制、行业、产业、区域等情形下的企业盈利情况，可以通过设定相应的虚拟变量，构建变系数面板模型，并检验其结构是否发生改变

---