Mô hình Tobit cho dữ liệu lognormal và chẩn đoán Tobit for lognormal data and model diagnostics 1. Vượt ra ngoài giả định chuẩn Chào các bạn, trong bài học trước, chúng ta đã xây dựng nền tảng vững chắc về mô hình Tobit và giả định rằng sai số của mô hình tuân theo phân phối chuẩn. Tuy nhiên, trong các ứng dụng kinh tế, đặc biệt là khi làm việc với các biến như thu nhập, chi tiêu, hoặc tài sản, dữ liệu thường có đặc điểm là bị lệch phải rất nhiều (right-skewed). Điều này có nghĩa là phần lớn các quan sát tập trung ở các giá trị thấp, trong khi một số ít quan sát có giá trị rất cao, tạo ra một “cái đuôi” dài về phía bên phải của đồ thị phân phối. Trong những trường hợp như vậy, giả định về phân phối chuẩn của sai số có thể không còn phù hợp. Một giải pháp phổ biến để xử lý dữ liệu lệch phải là lấy logarit tự nhiên của …