时间使用调查收集个人在短时间内(通常是一天)活动的非常详细的信息。结果,大部分的观察结果显示,在许多活动中花费的时间为零,即使对于那些定期做这些活动的人也是如此。例如,可以肯定地说,所有的父母都至少做了一些照顾孩子的事情,但相当大一部分的父母在他们的日记日没有花时间照顾孩子。由于大量的零,Tobit似乎是一种自然的方法。然而,重要的是要认识到,时间使用数据中的零是由于数据的参考周期(日记日)和感兴趣的周期(通常要长得多)之间的不匹配而产生的。因此,Tobit是否合适尚不清楚。在这项研究中,我检查了与估计协变量对时间使用的边际效应的替代估计程序相关的偏差。首先,我将采购频率模型(通常用于分析支出)调整为时间日志数据,并显示OLS估计是无偏的。接下来,使用模拟数据,我在关于数据生成过程的许多替代假设下,检查了与三种通常用于分析时间日志数据的程序(Tobit, Cragg(1971)两部分模型和OLS)相关的偏差。我发现Tobits估计的边际效应是有偏差的,偏差的程度随零值观测值的比例而变化。 The two-part model performs significantly better, but generates biased estimated in certain circumstances. Only OLS generates unbiased estimates in all of the simulations considered here.