Model rergresi Tobit pertama kali dikemukakan oleh James Tobin pada 1958
ketika ia menganalisa pengeluaran para rumah tangga di Amerika Serikat untuk membeli
mobil. Pengeluaran untuk mobil di beberapa rumah tangga menjadi nol (karena rumah
tangga tersebut tidak membeli mobil), dan hal ini sangat berpengaruh terhadap hasil
analisa regresi. Ia menemukan bahwa jika tetap menggunakan OLS, perhitungan
parameter akan cenderung mendekati nol juga dan menjadi tidak signifikan, atau jika
menjadi signifikan, nilainya mengalami bias (terlalu tinggi atau terlalu rendah) dan juga
tidak konsisten (jika ada data baru, hasilnya tidak sama atau tidak sesuai dengan hasil
semula).
Untuk mengatasi masalah-masalah tersebut, metode Tobit menggunakan cara
maximum likelihood (ML), bukan least squares lagi. Daripada meminimalisasikan nilai
kwadrat dari error (galat) seperti cara OLS, cara ML memaximalisasikan nilai dari
likelihood function dengan mencari parameter-parameter regresi yang memberikan nilai
tertinggi untuk likelihood function tersebut.
Metode Tobit mengasumsikan bahwa variabel-variabel bebas tidak terbatas
nilainya (non-censured); hanya variabel tidak bebas yang censured; semua variabel (baik
bebas maupun tidak bebas) diukur dengan benar; tidak ada autocorrelation; tidak ada
heteroscedascity; tidak ada multikolinearitas yang sempurna; dan model matematis yang
digunakan menjadi tepat.
Model TOBIT
Model standar Tobit dapat didefinisikan untuk observasi (bank) i sebagai berikut:
1
y *i = β x i ' + σεi,
dimana :
y i = y *i jika y *i > 0
y i = 0 jika y *i ≤ 0
Dalam model Tobit terdapat tambahan informasi koefisien skala (SCALE) yaitu faktor
skala yang akan diestimasi σ. Faktor skala ini dapat digunakan untuk mengestimasi
standar deviasi dari residual.
1
∏ (1 − Fi) ∏ (2Π x e −[1 / 2σ )]( yi − β i ) 2
2
L=
σ
2 1/ 2
yi = 0 yi > 0 )
dimana
βxi / σ 1
∫ e −t / 2 dt
2
Fi =
−∞ (2 ∏) 1/ 2
The first product is over the observations for which the banks are 100% efficient (y = 0)
and the second product is over the observations for which banks are inefficient (y >0). Fi
is the distribution function of the standard normal evaluated at = β x i '/σ.