我想进行回归，其中因变量 (DV) 是初创公司获得的资金量（以美元计）。自然地，DV 包含很多零 (~55%)，并且对于 y>0 具有连续分布。
一般来说，我的理解是 Tobit 模型（或它的变体）适合模拟这个 DV。
尽管现在已经阅读和讨论了几个月，但我仍然难以理解标准 Tobit (1958) 模型、Cragg (1971) 提出的两部分扩展和 Tobit Type 2 模型（例如 Heckmann 代表）之间的确切区别（1974 年、1976 年、1979 年）。我目前的理解是，所有模型在理论上都可以适用，具有不同的优缺点以及根本不使用它们的潜在原因（取决于数据集的确切特征）。
为什么我排除了标准 Tobit 模型
对于我的应用程序，我排除了标准 Tobit 模型，因为它只允许两个过程由相同的变量控制，这些变量也只报告了一个系数。因此，某个变量的影响在选择和结果方程中不能有不同的符号（尽管有时确实如此）。
Tobit Type 2（或 Heckmann 选择模型）与两部分模型（Cragg）
到目前为止，我的理解是，这两个模型之间的主要区别在于两部分模型仅假设真零，而 Tobit 类型 2 也（或仅？）考虑未观察到的零（例如，通常不吸烟的人是0 和通常吸烟但在某个时间点不能吸烟的人也是 0）
然而，这并不完全正确，因为 Cragg (1971) 最初也提出了一个双障碍模型，其中必须克服 2 个障碍才能观察到 y 的正值：“首先，必须需要一个正数 [（即 I是否吸烟）]。其次，必须出现有利的环境才能实现积极的愿望[（即，我是吸烟者并且我有足够的资金来负担吸烟的费用）]”。
我认为这意味着 Tobit Type II 在第一个选择方程中说明了两种类型的零（或仅未观察到？），并且结果方程在 y>0 处被截断，单栏 Cragg 模型仅说明选择中的真零方程和双障碍 Cragg 模型解释了选择过程中的“未观察到的”零点和结果方程中的“真实”零点。
问题
我对这三个模型的陈述是否正确？这到底是什么意思？零的来源是唯一/主要的决策标准吗？如果是这样，就我的数据而言，这对我来说意味着：初创公司决定是否申请资金（第一个零来源 -> 未观察到），随后市场决定是否提供资金（第二个零来源 -> 观察到）并且，在肯定的情况下，多少 (y > 0) -> Cragg 的双栏模型（真正的“双”栏模型经常被错误地误认为是单栏模型）
不管我的（可能是错误的）结论如何：在决定使用哪种类型的模型（Tobit Type 2 (Heckmann) 模型或两部分模型（单一障碍（全为零）时）我应该考虑/讨论的关键决策标准是什么？是真正的零）还是双重障碍（在选择和消费时可能会出现零）？除了“只是”零的来源之外，还有更多的东西吗？
附加信息
这篇论文（读起来很棒！Brad R. Humphreys，2013 年），尤其是其中的一个关键图表，
突出了未观察到的零点（即缺失数据，公司不寻求资金）和观察到的零点（即投资者提供资金）之间的区别与否）非常好。它还提供了有关使用哪些模型的指导，但不幸的是，它没有为同时存在两种类型的零的数据提供解决方案。
潜在的解决方案
在深入挖掘之后，我发现了两篇论文，它们为我正在寻找的内容提供了一个统计解决方案：
- Blundell，Richard 和 Meghir，Costas，（1987 年），Tobit 模型的双变量替代方案，计量经济学杂志，34，第 1-2 期，p。179-200。（http://sites.psu.edu/scottcolby/wp-content/uploads/sites/13885/2014/07/Blundell1987_Bivariate-alternatives-to-the-tobit-model.pdf）描述了一个假设依赖的双重障碍模型。有关应用，请参见Blundell, Richard, Ham, John and Meghir, Costas, (1987), Unemployment and Female Labor Supply, Economic Journal, 97, issue 388a, p. 44-64。
- Moulton、Lawrence H. 和 Neal A. Halsey提供了另一种解决方案。“具有检测限的混合模型，用于对疫苗的抗体反应进行回归分析。” 生物识别，第一卷。51，没有。4，1995，第 1570-1578 页。www.jstor.org/stable/2533289描述了用于删失数据的伯努利/对数正态混合模型，该模型也解释了这两种类型的零。
不幸的是，我在 Stata 或 R 中找不到任何值得信赖的实现（有一个名为 mhurdle 的包，但它似乎不适用于权重并引发随机错误......）
任何意见或进一步的想法？