所以我正在使用 survreg，我希望我的预测结果遵循 0 的下限，但它们经常表示负面结果。我认为它以某种方式估计了线性结果，而不是我试图创建的生存模型。这是我所做的：
linear.first.stage<-lm(y ~ x, data=clip)
首先，我估计了一些点来加快我的估计过程。如果没有这个第一阶段，它就无法收敛。我按照 ?survreg 中的代码创建了一个生存对象，该代码提供了一个明确的 tobit 回归示例。我在下面为 x 和 y 复制了这个。在我的数据集中，y 只能观察到非负值，但如果它是正值，它往往会在 200 左右正态分布，sd 约为 20。X 可以取任何值，理论上不受约束通过立即想到的任何特定数字。
surv_y<-Surv(clip$y, clip$y>0,type="left")
first.stage<-survreg(surv_y ~ x,init=(linear.first.stage), dist="gaussian", data=clip)
我运行生存回归，它应该相当于一个 Tobit。为了确认我对事件的解释是相同的，我运行了以下命令：
test<-tobit(y~x, left=0, right=Inf, dist="gaussian", data=clip)
p_test<-predict(test)
p<-predict(first.stage)
plot(p_test-p)
该图在零处显示一条平线，因此在目视检查时，这些命令应该是相同的。但是，在这两种情况下，都会预测到低于 0 的结果。这是有问题的，因为我已经说过可观察信息的左边界是 0。我的期望是所有预测值都必须 > 0。
我尝试使用“链接”、“响应”、“线性”类型进行预测，但无济于事。我假设 predict 命令正在产生结果，就好像审查没有发生一样。如何生成服从下限 0 的预测？
参考：