谢谢支持！
有一段时间没上论坛，我已私信您。

您好，我已购买附件。但出现这个问题<istmt>:  3499  xthregs_estim() not found
请问怎么解决？

您好，我已经购买了附件，也是遇到了3499  xthregs_estim() not found  这个问题，请问怎么处理呢？

我也是碰到这个问题，请教下如何解决

“stata没有personal文件”以及“xthregs_estim() not found”的解决方法： 如果没有personal文件夹，按这路径“c:\ado\personal”，直接在C盘，新建personal文件夹。 如果C盘没有ado文件夹，先在C盘建立ado文件夹，再在ado文件夹内，新建personal文件夹。 plus文件夹类似，按这路径“C:\ado\plus”设置。 复制 xthregs.ado 到“C:\ado\plus\x”中“，表示将xthregs.ado复制到“C:\ado\plus”路径下的名为”x“的文件夹内，若无名为”x“的文件夹，在plus文件夹内直接新建名为“x”的文件夹即可。

您好，已经购买程序包，也是遇到了3499  xthregs_estim() not found  这个问题，请问怎么处理呢？

文件我也都复制了到您说的路径了，还是出现了 not found 的问题

谢谢支持！
碰到这样的问题，是因为路径设置不合理引起的。
解决办法在35楼有回答。

您好，有个问题想问下，这个代码最多做到双门槛么？更多门槛怎么办？还有就是怎么做年份固定效应，可以加入年份虚拟变量吗？

你好，请问可以通过在dthres()里加一个常数变量从而实现不同区制下有不同的截距么

抱歉，不行，不能实现不同区制下有不同的截距项。
编写这指令时，只考虑了允许解释变量存在不同系数，没有考虑截距项不同这个问题。

最多只能双门槛，可以i.year控制年份固定效应。

请问这个命令和xthreg2有什么区别呢

我没有购买xthreg2，有什么区别，您免费下载说明文档，比较一下就知道。

请问这个命令可以估计的门槛范围会不会限制在0-1之间，还是可以估计出任意区间的门槛？

不会限制门槛值在0-1之间。例如：如果门槛变量取值在-50～100之间，单门槛值则为-50～100之间的某一个值。

请问，解释变量被解释变量都是01变量，可以用这个门槛效应的命令吗

自变量可以为0-1型，但是因变量只可以为连续型变量。
因变量为0-1型时，可以得出估计结果，但是估计结果存在一定的缺陷。
至于存在哪些缺陷，和线性概率模型存在的缺陷基本相同。

买了资料包， 还是显示<istmt>:  3499  xthregs_estim() not found，不知道怎么解决

非平衡面板门槛模型是一种用于分析经济或社会现象中存在门槛效应（即当某些条件达到一定阈值时，政策效果或关系会发生显著变化）的统计方法。Stata中的`xthregs`命令是专门设计来估计这类模型的一种工具，它具有处理不平衡面板数据、自动管理缺失值以及允许变量有滞后项等优点。

### 使用示例

假设你正在分析企业规模（由变量 `d1` 表示）对投资决策的影响是否有一个门槛效应，并且你想检查资本存量的过去水平（由变量 `L.c1` 表示）可能作为另一个门槛。以下是一个使用`xthregs`命令的例子：

```stata
xthregs i q1 q2 L.q3 L.d1 qd1, thres(d1) dthres(L.c1) reps(300) qn(400) trim(0.01)
```

在上述命令中：
- `i`：可能是模型中的因变量。
- `q1`, `q2`, `L.q3`, `L.d1`, `qd1`: 自变量，包括滞后项和交互项。
- `thres(d1)`: 指定`d1`作为门槛变量进行检验。
- `dthres(L.c1)`: 指定`L.c1`作为动态门槛变量（即资本存量的过去水平）。
- `reps(300)`: 表示用于计算门槛估计的标准误差的重复次数，通常增加此数值可以提高精度但会增加运行时间。
- `qn(400)`: 用于网格搜索以确定门槛值的最佳估计点的数量。
- `trim(0.01)`: 删除最小和最大1%的观察值来减少异常值的影响。

### 注意事项

尽管`xthregs`提供了一些额外的灵活性，它仍然有一些限制：
- 不允许内生变量的存在。
- 最多只支持两个门槛效应的检验（这在现实中已经非常强大）。
- 建议初学者使用更为成熟的命令如王群勇老师发布的`xthreg`，除非你特定需要处理不随时间变化的变量或交互项。

### 结论

`xthregs`为Stata用户提供了分析面板数据门槛效应的一个有效工具。在选择和使用这一命令时，理解其工作原理、适用范围以及如何正确输入参数是至关重要的。通过这种方式，可以确保模型的准确性和结果的有效性。

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

我最近发现可以这样建议操作：仅供参考：https://bbs.pinggu.org/thread-11827363-1-1.html