1、我用R 2.12.2作LSTAR 回归。
     2、之前用EVIEWS 6.0  进解决序列X、Y变量的LSATR模型时，发现其非常不稳定、经常出现（overflow）之错，大为心烦。为此，想用MATLAB来作，又不懂。只好用自己一知半解的R来解决，经过二天的努力搜寻终于找到了一般的办法，尽管还是不太了解其中的意义；但必竞有了一个好的结果。
    3、二时序列为月度数据，经过季节调整后，经单位根检验是平稳的时序，并且有格兰杰双向因果关系。
    4、经过用EVIEWS 6.0，Ｘ、Ｙ自回归方程是：(ls) y c y(-1) y(-2) y(-3) x;经过线性与非线性检验，发现拒绝线性假设，接受STAR模型；转换变量St（Xt-d)存在，拒绝H03假设的结果，为此，有LSTAR型。
   5、以下是部分步骤：结果是成功的。
   6、写出这些是为了一些需求这方面的学子提供方便。同时感谢“EPOH”等学者，提供参考！
   7、愿“EPOH“能进一步，提供这一方面的材料，最好是中文材料；同时也希望学者能为”计量经济学”开设不同的专题栏目，如“SATAR“模型栏目，这样就更能发挥知识的力量。
> y.lstar<-lstar(y,m=2,d=1,thVar=x,control=list(maxit=3000))
Using maximum autoregressive order for low regime: mL = 2
Using maximum autoregressive order for high regime: mH = 2
Using only first 214 elements of thVar
Performing grid search for starting values...
Starting values fixed: gamma =  40 , th =  -0.3553135 ; SSE =  200.8684
Optimization algorithm converged
Optimized values fixed for regime 2  : gamma =  40.00305 , th =  -0.3473805
>y.lstar
Non linear autoregressive model
LSTAR model
Coefficients:
Low regime:
    phi1.0     phi1.1     phi1.2
-0.1977353  1.0044579 -0.2679540
High regime:
     phi2.0      phi2.1      phi2.2
0.37677633  0.28857978 -0.07975238
Smoothing parameter: gamma = 40
Threshold
Variable: external
Value: -0.3474
>  error<-residuals(y.lstar)
> error
Time Series:
Start = 1
End = 216
Frequency = 1
  [1]            NA            NA  0.7245178006  0.6706844591  0.7622682607  0.1102448166 -0.5452139850  0.8176878174
  [9]  0.0838997028  0.2084677191  0.3494380641  1.2226995599  0.1240683021 -0.3002827221 -1.6090500228 -1.4328548659
[17]  1.2986441393 -1.1154548120 -0.0141480804  1.0942577469  0.5068491370 -0.6620878787  0.0325707003 -0.3160992056
[25]  0.2924211845 -0.9489559399 -0.2490356533  0.0669975442 -0.4018340489 -0.0691557539 -0.6160131503 -1.0480959975
[33]  0.2100363785  0.0605086933 -1.05...................................
> names(y.lstar)
[1] "str"            "coefficients"   "fitted.values"  "residuals"      "k"              "model"          "model.specific"
>  g=cpi.lstar$coefficients[7]
> g=y.lstar$coefficients[7]
> th=cpi.lstar$coefficients[8]
> gfun<-function(y,g,th)   1/(1+exp(-g*(y-th)))  
> G=gfun(x,g,th)
> par=(mfrow=c(2,1))
> plot(G,type = "l", col = "red")
>plot(x,G)
OK
     一直困了我很多时间的问题得以解决！！谢谢“epoh”.