在门槛效应模型中控制行业效应,通常是因为你认为不同行业的企业可能对同一变量的反应存在差异。但是,在使用`xthreg`命令时直接加入行业固定效应(如`i.Industry`)确实会因为这个命令对时间不变变量处理的问题而产生错误。
为了解决这个问题,并同时控制时间和行业效应,你可以采用以下策略:
1. **事先差分**:首先,可以考虑在模型中使用行业和年份的虚拟变量前,先对数据进行行业层面的时间差分。这种方法可以帮助去除行业的固定效应,但是这可能会丢失一些信息。
2. **面板固定效应模型**:如果`xthreg`命令无法直接处理时间不变的变量(如行业效应),你可以尝试使用其他更灵活的面板数据命令,比如`plm`或`xtreg`, fe`,先估计包含时间和行业固定效应的基础模型。然后,基于残差进行门槛回归分析。
3. **利用`plm`包**:`plm`包在处理面板数据时提供了更多的灵活性,可以指定更复杂的效应(如个体、时间以及两者的交叉)。你可以使用这个包来控制行业和时间效应后,再进行门槛效应的检验。例如:
   ```stata
   plm y x1 x2 x3 x4, index(indvar year) effect(fixed) entity(Industry) time(year)
   predict resid, residuals
   ```
   然后使用预测的残差`resid`作为门槛变量进行门槛效应检验。
4. **手动控制行业效应**:在构建模型时,可以先通过添加虚拟变量的方式手工控制行业效应(不直接用`i.Industry`)。例如,将每个行业的均值从其观测中减去以实现“行业内”分析。这通常被称为固定效应的“demeaning”。
请根据你的具体数据和研究设计选择合适的方法。如果可能的话,尝试使用上述方法之一进行调整,并再次运行门槛回归模型。如果你的数据允许,推荐考虑利用`plm`包来处理行业与时间固定效应后进行门槛效应分析。
希望这能帮助你解决在门槛效应模型中同时控制时间和行业效应的问题!
此文本由CAIE学术大模型生成,添加下方二维码,优先体验功能试用