我遇到了与non-conformable arguments@hans0l0 在上面的评论中提到的相同的问题（“”）。我想我已经解决了这个问题，并会在这里尝试解释。

首先，原始帖子中的方程式存在错误。它应该是之后有一个下标，但在第一个 β 之后没有。在 Tobit 模型中，变量的边际效应不仅取决于该特定变量的系数（）； ）计算得出的调整因子。$ϕ(xβ/σ)β_j$$β$$x_j$$β_j$$ϕ(xβ/σ)$

来自 Wooldridge 2006（第 598 页）：

调整因子…取决于的线性函数，。可以看出，调整因子严格在零和一之间。$x$$xβ/σ = (β_0 + β_1x_1 + … + β_kx_k)/σ$

这个调整因子意味着我们必须对模型中其他变量的值做出选择：“我们必须插入 x _j的值，通常是平均值或其他有趣的值”（Wooldridge 2006，p598）。所以通常这将是平均值，但也可能是中位数、顶部/底部四分位数或其他任何值。这与为什么@hans0l0 和我在non-conformable argument使用上面 Alex 的代码时遇到“”错误有关：x当我们需要变量的单个值（均值/中值 / 等）时，该代码中的“”将是一个向量. 我相信上面的代码中还有另一个错误，它从调整项中排除了截距值（[-1]第一次使用后的脚本reg$coef）。我对此的理解（但我很高兴得到纠正）是调整项应该包括截距（上面的）。$β_0$

综上所述，这是一个使用来自的数据集的示例AER::tobit (“Affairs”)：

## Using the same model and data as in the Tobit help file
## NB: I have added the “x=TRUE” command so the model saves the x values

> fm.tobit <- tobit(affairs ~ age + yearsmarried + religiousness + occupation + rating,
                    data = Affairs, x=TRUE)
> fm.tobit$coef
(Intercept)  age         yearsmarried  religiousness  occupation  rating 
8.1741974    -0.1793326  0.5541418     -1.6862205     0.3260532   -2.2849727

> fm.tobit$scale
[1] 8.24708 

## the vector of marginal effects (at mean values and for y > 0) should be as follows.
## note the [-1] used to remove the intercept term from the final vector, 
##  but not from within the adjustment term. 

> pnorm(sum(apply(fm.tobit$x,2,FUN=mean) * fm.tobit$coef)/fm.tobit$scale) * 
  fm.tobit$coef[-1]
  age        yearsmarried  religiousness  occupation  rating 
  -0.041921  0.1295365     -0.394172      0.076218    -0.534137 

重要的是要重申：这些只是在 y 为正的情况下（即至少发生了一件事情）和所有解释变量的平均值的情况下的边际效应。

如果有人想使用带有 Tobit 模型内置边际效应工具的程序来检查这些结果，我很想看看比较。任何意见和更正将不胜感激。

参考：
Wooldridge, Jeffrey M. 2006。介绍计量经济学：现代方法。汤姆森西南。第 3 版。

它不在包中，只需编写您自己的命令即可。如果您的回归是 reg <- tobit(y~x) 那么效果向量应该是

pnorm(x%*%reg$coef[-1]/reg$scale)%*%reg$coef[-1].