时间使用调查收集有关个人在短时间内(通常是一天)活动的非常详细的信息。因此，在许多活动中花费的时间中，有很大一部分的观察值为零，即使对于定期进行活动的个人也是如此。例如，可以肯定的是，所有的父母都至少做过一些照顾孩子的工作，但有相当大一部分人表示，在他们的日记中，没有花时间照顾孩子。由于有大量的零，Tobit似乎是自然的方法。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时间段(日记日期)与感兴趣的时间段之间不匹配造成的，而感兴趣的时间段通常要长得多。因此，尚不清楚Tobit是否合适。在这项研究中，我检查了与估计协变量对时间使用的边际影响的替代估计程序相关的偏差。首先，我将购买频率模型(通常用于分析支出)应用于时间日志数据，并表明OLS估计是无偏倚的。接下来，使用模拟数据，我在一些关于数据生成过程的替代假设下，研究了与通常用于分析时间日记数据的三个过程相关的偏差——Tobit、Cragg(1971)两部分模型和OLS。我发现从Tobits估计的边际效应是有偏差的，而且偏差的程度随着零值观测的比例而变化。 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.