在本文中，我们提出了一种新的估计样本选择模型的方法，该方法结合了广义Tukey Lambda (GTL)分布和copulas。GTL分布是一种万能的单变量分布，它允许它所代表的数据存在广泛的偏度和厚尾或薄尾行为。copula有助于创建双变量分布的通用表示。在应用研究中，将GTL边际分布插入copula构造的双变量分布中所产生的多功能性降低了估计参数对分布假设的依赖。一个彻底的蒙特卡罗研究表明，我们提出的估计量在正态和非正态设置下都表现良好，无论选择方程中是否有满足排除限制的工具，排除限制通常被认为是实证研究中样本选择模型实现的必要条件。从工资和医疗支出到超速罚单和国际争端的五个应用说明了所提出的GTL-copula估计器的价值。