Tobit模型是指因變數雖然在正值上大致連續分布，但包含一部分以正機率取值為0的觀察值的一類模型。它適用於歸併數據，比如家庭娛樂消費這類數據的特點是如果消費大於0，則可以被觀察到；但是如果消費小於等於0，則只能觀察到0，這種屬於左歸併。
Tobit模型也被稱為截尾回歸模型或刪失回歸模型（censored regression model），屬於受限因變數（limited dependent variable）回歸的一種。受限因變數指因變數的觀測值是連續的，但是受到某種限制，得到的觀測值並不完全反映因變數的實際狀態。
Tobit模型由James Tobin在分析家庭耐用品的支出情況時對Probit 回歸進行的一種推廣，其後又被擴展成多種情況，Amemiya將其歸納為Ⅰ型到Ⅴ型Tobit模型。在實際運用中，Tobit模型被廣泛用於分析諸如生產率、工資、消費支出等經濟學領域的問題。
此外，Tobit模型還可以通過最大似然方法來估計參數，以找到最優的參數估計值，使得觀測數據的似然函式最大化。在處理有上限或下限、有限、截斷或被限制的連續回響變數時，Tobit模型能夠幫助我們揭示變數的真實值，並對其進行分析和解釋。