use DurlaufJohnson
* 原始GDP阈值检验
// trim_per(0.15) 表示修正比例，默认0.15，即trim_per为削减估计每一门槛的部分；rep是抽样次数
thresholdtest GDP_Growth log_GDP InvGDP Pop_Growth school, q(GDP) trim_per(0.15) rep(5000)
graph rename test1

 可以发现，P值为0.081，在10%显著性水平上显著，表明存在门槛效应。Boostrap为5000次。
 
thresholdreg GDP_Growth log_GDP InvGDP Pop_Growth school, q(GDP) h(1)

 上表为所有数据的OLS回归结果。上半部分为变量的回归系数和标准差；下半部分Heteroskedasticity Test (P-Value)为0.157，表明存在异质性，需要进行门槛回归。
 
 上表说明门槛值为863；在95%水平上，置信区间为[594，1794]。
 
 
 上述两个表为门槛值小于863的回归结果和门槛值大于863的回归结果。以门槛值小于863的表为例，上半部分为各变量的回归系数，下半部分为各变量回归系数的置信区间。
 
多门槛检验
 
如果要进行两个门槛或者更多门槛的检验，首先删除低门槛的数据，即删除低于863门槛的数据，然后使用剩余数据再次进行上述两步骤。
 
drop if GDP<=863
thresholdtest GDP_Growth log_GDP InvGDP Pop_Growth school, q(GDP) trim_per(0.15) rep(5000)

 这里显示p值为0.1492，不显著，表明不存在两个门槛效应。如果存在两个门槛效应，则还需用thresholdreg进行门槛回归。
 
二、面板门槛
 
这里采用平衡面板数据，数据来源为个人收集，这里不具体透露。数据形式如下：
 
 
单门槛检验
 
use elements
xtset id year
//门槛变量可以使用核心解释变量，也可以使用其他变量，这里使用其他变量
//rx(lnipr)是核心变量，qx(lngii)是门槛变量，Y后面是控制变量
xthreg lny1 lngii lnopen lnpopu lnsecond, rx(lnipr) qx(lngii) thnum(1) trim(0.01) grid(400) bs(300)

 此部分说明门槛值为-1.7409，在95%置信水平上，置信区间为[-1.7630，-1.7388]。
 
 此表的p值为0.0667，表明单门槛在10%水平上显著，存在单门槛效应。
 
 上表为单门槛回归结果。可以发现，lnipr的回归结果均显著，在低于门槛值时，影响系数为0.084；在高于门槛值时，影响系数为0.144。
 
双门槛检验
 
xthreg  lny1 lngii lnopen lnpopu lnsecond, rx(lnipr) qx(lngii) thnum(2) trim(0.01 0.01) grid(400) bs(300 300)
运行结果所包含的部分同单门槛一样。可以发现，双门槛值不显著，p值为0.126，表明不存在双门槛效应。其余结果可忽略。如果存在双门槛效应，则可看第三部分的回归结果并进行解读。
 
 
 
三、动态面板门槛回归
 
动态面板门槛模型的理论参考理论
 
use elements
xtset id year
//以“_b”结尾的表示低机制系数，以“_d”结尾的表示高机制减去低机制的系数，最后一个参数为阈值大小
xthenreg lny1 lngii lnopen lnpopu lnsecond, endo(lngii) inst(ipr4 ipr1 ipr2)  kink
                    stata门槛回归一、截面门槛截面门槛检验门槛回归多门槛检验二、面板门槛单门槛检验双门槛检验三、动态面板门槛回归接收到小伙伴的私信，让我发一篇关于使用stata做面板门槛的博客。之前大概了解了一下，没有具体实现过。现在，有小伙伴要求，必须满足。但是由于学习时间较短，部分东西解释的不够全面、不够深入，还请熟悉、掌握的伙伴们在评论区留言，大家相互学习，共同进步。关于门槛回归，首先是截面数据门槛，然后面板门槛，最后面板动态门槛。一、截面门槛参考B. Hansen (2000, Econometrica)；
				
空间计量经济学远程班,从Stata到MATL ...
Stata高级计量现场班,陈强亲授,北京国 ...
王群勇最新面板门槛回归命令xthregFixed-effect panel threshold model using Stata
发表在The Stata Journal (2015) 15, Number 1, pp. 121–134上。
里面有详尽的命令及选项，还有一个实例分析。
但是这个命令需要在st
				
使用Stata进行门槛回归需要先安装一些相关的命令，比如ivreg2。一旦安装完毕，您可以使用以下语法来完成门槛回归：
ivreg2 depvar (indepvar = exog | threshold) instrument,firststage(vce(cluster clustervar))
其中，depvar是因变量，indepvar是自变量，exog是控制变量，threshold是门...
				
门限回归模型(Threshold Regressive Model，简称TR模型或TRM)是汤家豪于1978年提出了门限自回归模型后进一步将这一思想扩展到回归模型中 。门限回归模型的基本思想是通过门限变量的控制作用，当给出预报因子资料后，首先根据门限变量的门限阙值的判别控制作用，以决定不同情况下使用不同的预报方程，从而试图解释各种类似于跳跃和突变的现象。其实质上是把预报问题按状态空间的取值进行分类，用分段的线性回归模式来描述总体非线性预报问题[1]。
STATA回归代码：
[2]目前来说，门槛模型的检验
				
stata面板门槛回归模型，门限模型，门限回归，门槛模型，面板xthreg ，命令安装和回归分析LR画图都讲的很详细哦，资料都是本人在学习面板门槛模型是归纳总结的，结合了连玉君老师以及王群勇两位老师的命令，配有详细的操作代码、示例数据以及图文注释，可以跟着整体跑一遍，就可以理解门槛回归的内涵。为了照顾实证小白，本人还收集了关于面板门限模型含义说明的pdf讲义，命令的下载、安装、各变量的具体含义说明，均讲述的十分清楚，十分适合小白的学习哦具体包括：单一门槛，双门槛，三门槛的原假设，如何判断门槛个数？门槛回归结果的阐述说明，以及绘制门槛LR图，内容非常详细。
				
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（文章后面将介绍stata15.0新命令进行时间序列的门限回归）。
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...
				
门槛效应是指当自变量的值超过某个门槛值(threshold)时，因变量的变化率会发生显著变化。在Stata中，可以使用非线性回归模型来拟合门槛效应。
下面是一个使用Stata拟合门槛效应的示例代码：
``` stata
// 导入数据
use "data.dta", clear
// 拟合门槛效应模型
nl mixed (y = c1 * (x - t) + c2 * (x - t)^2) if x > t, at(t))
predict yhat
gen resid = y - yhat
// 绘制拟合曲线和残差图
twoway (scatter y x) (line yhat x if x > t) (rscatter resid x if x > t), legend(off)
在上面的代码中，我们使用`nl mixed`命令来拟合门槛效应模型，其中`y`是因变量，`x`是自变量，`t`是门槛值，`c1`和`c2`是模型参数。我们使用`if x > t`来限制自变量`x`的取值范围，只有当`x`大于门槛值`t`时才参与模型拟合。使用`at(t)`选项来指定门槛值`t`的取值范围。最后，我们使用`predict`命令来预测因变量的值，并计算残差。
在绘制图形时，我们使用`twoway`命令同时绘制原始数据点、拟合曲线和残差图。其中`line yhat x if x > t`用于绘制拟合曲线，`rscatter resid x if x > t`用于绘制残差图。