本文提出了一种将广义Tukey Lambda (GTL)分布与copula相结合的样本选择模型估计方法。GTL分布是一种多用途的单变量分布，它允许它所代表的数据具有大范围的偏度和厚尾或细尾行为。copula有助于创建二元分布的通用表示。在应用研究中，将GTL边际分布插入到copula构造的二元分布中所产生的通用性降低了估计参数对分布假设的依赖性。一项彻底的蒙特卡罗研究表明，我们提出的估计器在正态和非正态设置下都表现良好，无论在选择方程中是否有工具来满足排除限制，排除限制通常被认为是在实证研究中实现样本选择模型的必要条件。从工资和卫生支出到超速罚单和国际争端的五个应用说明了拟议的GTL-copula估计器的价值。