2017--2024，Stata经典课程已经开设8年
2025年1月New
新课纲、新升级
新增一天，5天课程，加量不加价
名额有限，超长回放，详询工作人员报名
AI赋能科研
AI辅助Stata机器学习与因果推断学术应用
含AI+因果推断+双重机器学习（Stata操作）等前沿内容
原理+操作+论文+前沿
1、《中国工业经济》2024年第8期门限回归论文
文章题目：碳价格如何影响企业绿色投资与信用风险——基于预期收益与违约成本的权衡分析
一般目前期刊上主要使用xtthres以及xthreg命令进行门槛回归分析，下面为大家推荐2024年第8期《中国工业经济》上，使用thresholdreg与thresholdtest命令进行门槛回归分析的论文。
原文使用命令为
论文2：《中国工业经济》2024年第9期论文
文章题目：土地配置如何影响城市人口空间分布
门槛回归
xthreg
论文复刻结果如下：
原文表2结果
来源 | 数量经济学综合整理
转载请联系
进行回归分析，一般需要研究系数的估计值是否稳定。很多经济变量都存在结构突变问题，使用普通回归的做法就是确定结构突变点，进行分段回归。这就像我们高中学习的分段函数。但是对于大样本、面板数据如何寻找结构突变点。所以本文在此讲解面板门限回归的问题，门限回归也适用于时间序列。
门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象（结构突变）。作为原因现象的临界值称为门限值。例如，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。
常见模型如下：门槛回归模型（threshold regression，也称门限回归）：
汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》，提出了时间序列门限自回归模型（TAR）的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999年的《Threshold effects in non-dynamic panels: Estimation, testing and inference》（Hansen (1999) 首次介绍了具有个体效应的面板门限模型的计量分析方法, 该方法以残差平方和最小化为条件确定门限值, 并检验门限值的显著性, 克服了主观设定结构突变点的偏误。具体思路是:选定某一变量作为门限变量, 根据搜寻到的门限值将回归模型区分为多个区间, 每个区间的回归方程表达不同, 根据门限划分的区间将其他样本值进行归类, 回归后比较不同区间系数的变化。），2000年的《Sample splitting and threshold estimation》和2004年与他人合作的《Instrumental Variable Estimation of a Threshold Model》。
在这些文章中，Hansen介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方程，消除个体固定效应，然后再利用OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自举法（Bootstrap）重复抽取样本，提高门限效应的显著性检验效率。在Hansen（1999）的模型中，解释变量中不能包含内生解释变量，无法扩展应用领域。Caner和Hansen在2004年解决了这个问题。他们研究了带有内生变量和一个外生门限变量的面板门限模型。与静态面板数据门限回归模型有所不同，在含有内生解释变量的面板数据门限回归模型中，需要利用简化型对内生变量进行一定的处理，然后用2SLS（两阶段最小二乘法）或者GMM（广义矩估计）对参数进行估计。
门槛回归模型显著性检验的目的是，检验以门檻值划分的两组样本其模型估计参数是否显著不同。
因此，不存在门槛值的零假设为：Ho：两个系数相同。同时构造LM统计量：
其中，So是在零假设下的残差平方和。由于LM统计量并不服从标准的分布。因此， Hansen（2000）提出了通过“自举法”（ Bootstrap）来获得渐进分布的想法，进而得出相应的概率p值，也称为 Bootstrap P值。
这种方法的基本思想是：在解释变量和门槛值给定的前提下，模拟（ Simulate）产生一组因变量序列，并使其满足N（0，e2），其中e是式（4）的残差项。每得到一个自抽样样本，就可以计算出一个模拟的エM统计量。将这一过程重复1000次。Hansen（1996）认为模拟产生的LM统计量大于式（6）的次数占总模拟次数的百分比就是“自举法”估计得到的P值。这里的Bootstrap P值类似于普通计量方法得出的相伴概率P值。例如，当 Bootstrap P值小于0.01时，表示在1 %的显著性水平下通过了LM检验，以此类推。
以上的检验过程为只有一个门槛值的检验过程，为了能确定是否存在两个门槛值或者是更多的门槛值，我们应当检验是否存在两个门槛值，拒绝意味着至少存在一个门槛值。我们可以假设己经估计的第一个门槛值，然后开始寻找第二个门槛值。在确定有两个门槛值后，再寻找第三个门槛值，方法都和前面的一样，直至我们不能拒绝零假设。
主要使用pdR安装包，在pdR安装包中主要使用ptm函数。
ptm函数是估计面板门限模型的一种通用规范。
此代码只适用于平衡面板数据。它推广了Hansen(http://www.ssc.wisc.edu/~bhansen/)的简单代码，允许多个(不止一个)依赖于系统的(ind1)变量。
为了更好地适应面板数据中阈值建模的一般需要，我们对原始代码进行了改进。bootn和trimn是3×1的向量，表示三个相应的体制的数字。这个版本修正了参数max_lag引起的一个小错误，Hansen用它来通过lag安排投资数据。
在这个包中，用户操作数据以使个人研究适合ptm()，因此省略了这个论点，以免自由度会损失N。
Author(s)
Ho Tsung-wu <tsungwu@ntnu.edu.tw>, College of Management, National Taiwan Normal University.
References
Hansen B. E. (1999) Threshold effects in non-dynamic panels: Estimation, testing and inference. Journal of Econometrics,93, 345-368.
语法格式为：
ptm(dep, ind1, ind2, d, bootn, trimn, qn, conf_lev, t, n)选项含义为
dep：表示因变量，即被解释变量
ind1：Independent variables: regime dependent，意思为区制变量
ind2：Independent variables:regime independent，其他不受区制变量影响的变量
d：门槛变量Threshold variable
bootn：Vector of bootstrap repetition，可以理解为stata命令里面的自举抽样次数，即表示网格搜索数量
trimn：Vector of trimmed percentage，修整比例，根据门槛个数来确定，具体请看下面案例，1 2 3个门槛时候该选项不一致，请看案例
qn：Number of quantiles to examine，门限变量分割的分割点位数，一般默认为100，
conf_lev：Confidence level，置信度水平，默认为95%
t：Length of time period，时间
n：Number of cross-section units截面个数
案例代码为，首先查看源码Stata命令里面xthreg所对应的数据代码。
例如：
xthreg需要stata13及以上版本
语法格式为：
xthreg depvar [indepvars] [if] [in], rx(varlist) qx(varname) [thnum(#) grid(#) trim(numlist) bs(numlist) thlevel(#) gen(newvarname) noreg nobslog thgiven options]
depvar被解释变量，indepvars 解释变量，qx(varname) is the threshold variable，门限变量，thnum(#) is the number of thresholds，在stata13.0中门槛值是必要项目，需要等于大于1，小于等于3，默认值为1，也就是至少存在三个门槛值。
门槛回归的案例
use hansen1999
Estimate a single-threshold model
xthreg i q1 q2 q3 d1 qd1, rx(c1) qx(d1) thnum(1) trim(0.01) grid(400) bs(300)
Estimate a triple-threshold model given the estimated result above
xthreg i q1 q2 q3 d1 qd1, rx(c1) qx(d1) thnum(3) trim(0.01 0.01 0.05) grid(400) bs(300 300 300)
输出结果包括四个部分。第一部分输出门限估计值和自举法的结果。第二部分列表输出门限值及置信区间，Th-1代表单一门限估计值，Th-21 和Th-22代表双门限回归的两个估计值，有时Th-21和Th-1相同。第三部分列出了门限检验，包括RSS、MSE、F统计量及概率值，以及10%、5%、1%的置信水平。第四部分是固定效应回归结果。
那么通过这个例子上面对应的位置就可以很好的理解R操作门槛回归了！
1、单门槛回归命令代码
# R统计分析与应用# 经济金融数据分析及R应用## 计量经济学服务中心# 2018年1月setwd("C:\\Users\\admin\\Desktop")library(readstata13)library(pdR)# 导入数据（计量经济学服务中心）hansen <- read.dta13("hansen1999.dta")
然后进行各个变量设置：
结果为：
注意：上述展现的是双重门槛的结果，然后自抽样次数修改为1出来的结果，这样保证了软件运行出来的速度。
另外上述结果与Stata出来结果有细小的差别！
