现在在用的关于门限回归的命令有三个：分别是连君玉老师的xtthres命令；王群勇老师的xtptm和xthreg命令。最后一个命令是15年新发的。这三组命令针对的均是静态面板的门槛回归模型。

     本贴涉及了进行面板回归的如下内容：动态/静态面板模型的区别、面板数据的stata输入及定义、面板数据缺失值的处理；数据稳健性的检验和hausman检验、协整检验、混合/随机/固定效应模型的简单区别、门限命令的部分解释及stata回归结果的输出等问题。（注：关于上述命令的解释，均是简单地说明性的解释，缺乏学术的严谨性，具体详细的内容烦请大家阅读相关的数据或请论坛大牛解答，谢谢）

1、  关于动态和静态面板模型

简单地说，如果在一个面板模型中，如果不包含被解释变量的滞后项，那么便可以认为这是一个静态的面板模型；反之如果静态模型引入了被解释变量的滞后项以反映滞后效应，则可以认为是动态模型。关于之间却别及更加详细的解释，论坛有相关的讨论，请自行搜索。

2、  stata面板数据的输入，没有什么神奇的地方，就是标准的面板数据形式。

宝宝长这样：

数据输入完毕后，要进行面板数据的设定。命令是这样的

     xtset  id year。比如以省际的面板 xtset province year。第一个横截面，第二个是时间，不要搞反了呀。定义好了，stata会告诉你，数据是平衡的：

   有的时候，就会向上图出现的一样，id的变量（个体变量）是字符串形式的，stata不认，那可怎么办？需要你把字符串变量转换类型,以上图中出现的变量为例，生成新的非字符串变量：

egen yy=group(id)//将id变量转化为新的非字符串变量，并命名为yy

记住，变量的命名中首个字母是不能为数字的，当然也不能是stata中出现的关键字，不然stata宝宝就要哭了,你会很惨的。

    关于此处的话，还有一个问题就是数据中存在缺失值，也可能导致数据的不平衡。如果仅仅是缺失几个数据的话，可以生成新的变量进行解决；或者采用xtbalance命令也是可以的，具体可以help。

3、  数据的稳健性检验和hausman检验

面板数据的单位根检验命令是xtunitroot，help一下，便会出现所有的检验命令及其用法和实例：

值得关注的是,不同的命令其零假设和备则假设是不同的,例如LLC的原假设是存在单位根过程，IPS是不存在。

如同上图所示的，第一个是列文检验，第二个是IPS检验，检验结果显示，第一个是通过的，没有单位根，平稳过程；第二个表明存在单位根，非平稳过程。具体在操作过程中还可以根据需求添加各种option。

Fisher的检验结果相对比较难以看，但是最重要的是最后一个,象下图这样的结果是很好判断的:

在这个检验,检验了一个叫做bzmj的变量，完全OK，主要提醒注意的是在fisher检验中dfuller 和lag(#)是必不可少的，这是需要关注的细节问题。该检验和其他检验不同之处在于llc 检验过程是同单位根过程，而fisher检验则不限于同单位根过程。

接下来是hausman检验的过程操作：

xtreg y x1 x2 , fe

est store fe

xtreg y x1 x2 , re

est store re

hausman fe re

检验结果：

这样的结果就是表明可以采用固定效应模型的。但是有的时候,结果会出现负数:

很显然,检验的前提不满足该假设；还有一种情况也会导致这情况，你的操作有误！！有的人说，出现负值的情况也是拒绝原假设的，即可以采用固定回归效应模型，但是此种情况下最好使用麦金农的命令dmexogxt。

检验通过是皆大欢喜，但是如果通不过还需要进行协整检验。这时候，宝宝的心里好不平衡啊！！面板数据的协整检验命令是xtwest，具体的使用请help xtwest，就不放图了，真的，将的很详细，stata真是一个贴心的宝宝，爱你！！需要注意的就是协整检验的原假设是不存在协整关系，所以如果你的p值比较大的话………恭喜你中奖了！！在查看该命令的事例文件时，点击一次回到stata的窗口界面，就会出现结果，不要进行连续多次的点击，电脑宝宝会不高兴的，多次点击会使得内存占比陡然增加的；检验结果最好是全部拒绝原假设，至少要很多个才好（注：此处值得商榷的）。

另外，在阅读文献的过程中，发现并非所有的门槛回归模型均进行了稳健性检验，至于原因，尚不明了。

4、关于stata回归的命令。王群勇老师的面板门槛程序是在Hansen（1999）的基础上开发的，用于估计固定效应的面板门槛模型，该程序要求数据为平衡面板，stata13版本以上运行，在命令框中输入findit xthreg 就可以找到该命令，并进行下载，一般的命令是长这样子的：

xthreg depvar[indepvars] , rx(varlist) qx(varname) thnum(#) grid(#) trim(numlist)bs(numlist)

xtptm命令也是王群涌老师开发的，用于比较低版本的stata，比如stata12，命令是这样子的：

xtptm  devar  varlist, rx(var) thvar (var) iters(#) grid(#)  regime(#)

连君玉的xtthres命令是这样子的：

xtthres varlist， thres(varname)dthres(varname) qn (#) bs1(#) bs2(#) bs3(#) levle(#) minobs(#)

好了，三个命令都有了,我们来说已下,这个命令中的一些部分是什么意思。在这个三个命令中rx里是我们重点研究的变量，qx，thvar后加的是门槛变量。也就是说，第一个事门槛被解释变量，第二个是门槛解释变量；thnum，regime里边加的都是门槛数，也就是存在几重门槛；grid是栅格数，讲的是一次搜索的数量，它可以提高运算的速度，最小值好像是0。

Trim里边加的是小数，一般是1%—10%，也可能更多吧，但是我没有试过。它是在计算门槛的时候去掉的异常值的比例；bs，iters里边的数字是制定迭代（自举的次数），次数越多，计算的时间越久，但是计算的结果也可能更好。注意，门限变量和被解释变量可以是同一变量，但是门限变量不能出现在常变量出现的区域里，否则就会出现错误。比如：xthreg y x1 x2 x3 x4,rx(x4) qx(x4)……就是不可以的，应该把x3后的x4去掉。有的出现运行结果错误，可能是去掉的异常值比较少导致的，也就是说trim里的值设置过小所致。

在连君玉的命令中，thres标志门槛变量，dthres是门槛被解释变量，也就是说，这一命令的语法设置中门槛解释变量和被解释变量与前边的命令是相反的，qn相当于上边提到的grid，最低400；minobs是去掉的异常值，但是它当中的最小值必须是10，不能再小了。

关于命令的解释就说这么多吧。上述的三个命令，其中连老师的命令和xtptm命令的使用，都需要下载meta函数，xthreg 则没有提到这样的要求，另外，我发现连老师的命令在14.1版本中存在部分命令语言无法识别的问题，可能是不太适用于很高的版本吧。另外，提醒大家注意的是王的xthreg命令中会有这样的问题：你修改了回归的参数，但是估计的门槛值还是原来的，不会变动；xtthres命令会出现二阶门槛是0值，但是三阶门槛有数的情况。更让我不解的是，对两组命令针对同样的数据进行回归，出现的门槛数是不一样的：也即是说，王的命令结果告诉你是一介门槛，而连的命令会告诉你，不对，是二阶门槛……..

Xtptm和xtthres命令都是需要自行安装的

在stata的命令窗口打上上述命令，会出现具体命令存放的位置，你需要把你有的命令放在电脑c\ado\personal\中的x文件夹内，然后该命令就可以使用啦。

回归结果出现后，建议下载esttab命令，这命令可以将回归结果输为words文件，而且是标好型号的，只需你简单地加工就可以做成国际期刊排版所需的格式。具体命令如下：

esttab using 11.rft//将回归结果命名为11，并保存成doc格式文件。

该文件保存在stata默认的文件中。如果你没有修改默认保存路径的话，打开存放stata的地方就可以轻松找到他啦。门槛回归的结果，我见有人在论坛里详细的解读过，今天就不写了，有时间的话，我会加上的。东西写得比较匆忙，如果有不对的地方，恳请大家批评指正，这样有人参考的时候就可以少走弯路，当然啦，也让我有些进步啦，哈哈！

下面是学习面板数据和stata的几个链接，喜欢的朋友可以看看，我很感谢他们的分享和讨论，让我学习了很多东西，谢谢！

掌握神器stata的版块秘籍连接

门槛面板心得，https://bbs.pinggu.org/thread-4647332-1-1.html

常见问题解答及汇总链，https://bbs.pinggu.org/thread-272681-1-1.html，stata

Stata资源分享，https://bbs.pinggu.org/thread-377804-1-1.html

面板数据说明，https://bbs.pinggu.org/thread-1383654-1-1.html

面板数据操作，https://bbs.pinggu.org/thread-2709397-1-1.html

动态面板stata实例，https://bbs.pinggu.org/thread-388678-1-1.html

Stata内生性检验及工具变量，https://bbs.pinggu.org/thread-1412765-1-1.html