论文部分内容阅读
在卫生经济中,医疗费用数据是一个受限制的数据,其中包含一部分零,而那些不为零的数据常呈现出连续的有偏形态。此时,基于正态或t分布误差的Tobit模型可能不适合刻画该类数据。为此,本文将已有的二元似乎不相关Tobit模型推广到相应的带有有偏正态误差的模型。对于似乎不相关Tobit模型,人们通常通过二元分布来描述其误差项之间的相关性,特别是二元正态分布,但其边缘分布之间的线性关系导致其有一定的局限性。针对此问题,本文采用Copula来描述似乎不相关Tobit模型误差项之间的相关关系。本文还重点研究了模型的参数估计,包括极大似然估计方法、两阶段KM (Kaplan-Meier)估计方法、两阶段补充数据估计方法。通过随机模拟研究,说明了似乎不相关Tobit模型和所提出的估计方法的有效性。本文旨在为一批美国退休人口医疗费用数据选取一个较合适的模型,该数据中记录了2000年美国健康与退休调查中得到的自费医疗费用以及公费医疗费用。包含了3206个调查对象,其中有12%的个体反映自费医疗费用为零,同时有20%的个体报告说公费医疗费用为零。文中采用两阶段补充数据法进行参数估计,所得到结论基本合理,并且与人们一般的认知保持一致,这也进一步说明了我们模型和参数估计方法的有效性。