删除了，还是不行，我的模型是lnpce=a1*lnh*I(lni<Y1)+a2*lnh*I(Y1<lni<Y2)+a3*lnh*I(lni>Y2)+b*lni+c*lnd，搞不懂rx()和qx()怎样写才对，请您帮帮我，谢谢

你这边似乎有问题？familysize,fe, rx，请去掉 ",fe"。

好的，去掉以后没出现这个报错了，但想问问您，这不是面板数据固定效应的门限回归吗，不用加上fe吗？还有，我去掉fe后，又出现number of parameters in trim() is not equal to thnum()!，怎么办

你真的应该先看看 help xthreg，而不是自己在那边猜！

我知道错在哪里了，谢谢您

黄老师您好，我用xthreg做面板回归的时候发现，同样的一行命令，每一次运行，出来的门槛值的p值都是不一样的，请问这是什么原因？

本来就不会一样，因为用 bootstrap，请先看看文章。

我也遇到了   你的变量里面是不是有0，将0变成一个很小数比如0.00000001应该就可以了

trim后面设置的参数过小，可以适当增大比如0.08

数据中不能有0和空格，为0的用很小的数补上如0.00000001，为空格的考虑要不要删掉。

xthreg lnfdi population lntrade law cpi lnefi lnat gdpdist rgdpimf fdigdp education exchange year,rx( cdwvs2 ) qx( cdwvs2
>  ) thnum(2) grid(300) bs(1000 1000) trim(0.05 0.05)
Estimating  the  threshold  parameters:   1st ......  2nd ......  Done
Boostrap for single threshold
.................................................. +   50
.................................................. +  100
.................................................. +  150
.................................................. +  200
.................................................. +  250
.................................................. +  300
.................................................. +  350
.................................................. +  400
.................................................. +  450
.................................................. +  500
.................................................. +  550
.................................................. +  600
.................................................. +  650
.................................................. +  700
.................................................. +  750
.................................................. +  800
.................................................. +  850
.................................................. +  900
.................................................. +  950
.................................................. + 1000
Boostrap for double threshold model:
.................................................. +   50
.................................................. +  100
.................................................. +  150
.................................................. +  200
.................................................. +  250
.................................................. +  300
.................................................. +  350
.................................................. +  400
.................................................. +  450
.................................................. +  500
.................................................. +  550
.................................................. +  600
.................................................. +  650
.................................................. +  700
.................................................. +  750
.................................................. +  800
.................................................. +  850
.................................................. +  900
.................................................. +  950
.................................................. + 1000

Threshold estimator (level = 95):
-----------------------------------------------------
     model |    Threshold         Lower         Upper
-----------+-----------------------------------------
      Th-1 |       1.6914        1.0071        1.6920
     Th-21 |       1.6914        1.6907        1.6920
     Th-22 |       1.0069        1.0066        1.0071
-----------------------------------------------------

Threshold effect test (bootstrap = 1000 1000):
-------------------------------------------------------------------------------
Threshold |       RSS        MSE      Fstat    Prob   Crit10    Crit5    Crit1
-----------+-------------------------------------------------------------------
    Single |   88.6008     0.0965      53.73  0.1710  61.6644  71.4453  97.6546
    Double |   84.2864     0.0918      46.99 0.3460  76.5776  93.6963  128.0396
-------------------------------------------------------------------------------

Fixed-effects (within) regression               Number of obs      =       936
Group variable: id                              Number of groups   =        52

R-sq:  within  = 0.6816                         Obs per group: min =        18
       between = 0.3625                                        avg =      18.0
       overall = 0.3738                                        max =        18

                                                F(15,869)          =    124.01
corr(u_i, Xb)  = -0.6170                        Prob > F           =    0.0000

-------------------------------------------------------------------------------
        lnfdi |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
--------------+----------------------------------------------------------------
   population |   .3964475   .3630686     1.09   0.275    -.3161463    1.109041
      lntrade |   .4122533   .0482359     8.55   0.000     .3175807    .5069258
          law |  -.0072731    .094837    -0.08   0.939    -.1934093    .1788632
          cpi |   -.119438   .1196484    -1.00   0.318    -.3542716    .1153956
        lnefi |   .6809293   .2757723     2.47   0.014     .1396717    1.222187
         lnat |   .0396763   .0283515     1.40   0.162     -.015969    .0953217
      gdpdist |   .9881093   .1441279     6.86   0.000     .7052297    1.270989
      rgdpimf |   -.014898   .0035307    -4.22   0.000    -.0218278   -.0079682
       fdigdp |   .0064531   .0117018     0.55   0.581     -.016514    .0294203
    education |  -.4249096   .1240178    -3.43   0.001     -.668319   -.1815002
     exchange |  -.1462711   .0501567    -2.92   0.004    -.2447135   -.0478286
         year |   .0004018   .0054804     0.07   0.942    -.0103545    .0111582
              |
_cat#c.cdwvs2 |
           0  |  -.5149353   .9264309    -0.56   0.578    -2.333239    1.303368
           1  |  -1.518868    .909904    -1.67   0.095    -3.304734    .2669983
           2  |  -.9680437   .8970526    -1.08   0.281    -2.728687    .7925992
              |
        _cons |  -.7215523   3.046898    -0.24   0.813    -6.701691    5.258587
--------------+----------------------------------------------------------------
      sigma_u |  1.8855638
      sigma_e |  .31251615
          rho |   .9732642   (fraction of variance due to u_i)
-------------------------------------------------------------------------------
F test that all u_i=0: F(51, 869) = 123.09                   Prob > F = 0.0000

黄老师，真的是特别不好意思，前几天我还问过你关于门槛的问题，但是我看了些资料，可能是因为英文不好吧，看的有些糊涂，我今天又用xthreg命令做了一次结果，是这样子的，我想问看这个门槛结果是不是主要看我标红的那些数字就可以了？我先做了单门槛，对应的P值小于0.1所以拒绝，然后做了双门槛，就是这样，至于三门槛，我看结果不如双门槛更加强烈拒绝原假设，所以这里列了双门槛结果，这个P值是bootstrap举重1000次的得到的P值吗，还有我看一些文献提到了bootstrap的LM值，我不知道到这个值是什么意思，麻烦老师说道一下~

1. 门槛效果之检定是看 Threshold effect test (bootstrap = 1000 1000)，你的状况是没有门槛效果的！2. 其他的你还试看看文章吧 (或去听听讲习)，很难在这里说的清楚的！

老师您好，最近正在学习使用面板门限模型，在论坛里搜到您的帖子，看了介绍和各条回复感觉受益匪浅。打算自己尝试做一做实证分析，可总是碰到一些问题。
1.考察kao3pcy对sta的影响会受kao3的取值不同而改变，代码为 xthreg sta kao1 kao3 gdp ,rx(kao3pcy) qx(kao3) thnum(1) grid(300) trim(0.05) bs(400)，不知这样设定是否正确。
2.回归时stata总提示bgrid(): 3200 conformability error,
thestm(): function returned error,
istmt : function returned error
以及
thest() :3200 conformability error,
thestm(): function returned error,
istmt:function returned error
不知道这是什么原因，希望老师有时间能回复一下~

这个我看不出来！

还是要感谢老师及时回复。

老师您好，打扰您了

xthreg tfpch2 Emp2 Hci Gov Inn Ind , rx(secondandthird  ) qx(secondandthird ) thnum(1) trim(0.01 ) grid(100) bs(500 )
Estimating  the  threshold  parameters:   1st ......  Done
Boostrap for single threshold
.................................................. +   50
.................................................. +  100
.................................................. +  150
.................................................. +  200
.................................................. +  250
.................................................. +  300
.................................................. +  350
.................................................. +  400
.................................................. +  450
.................................................. +  500

Threshold estimator (level = 95):
-----------------------------------------------------
     model |    Threshold         Lower         Upper
-----------+-----------------------------------------
      Th-1 |       2.7286        2.6287        2.7949
-----------------------------------------------------

Threshold effect test (bootstrap = 500):
-------------------------------------------------------------------------------
Threshold |       RSS        MSE      Fstat    Prob   Crit10    Crit5    Crit1
-----------+-------------------------------------------------------------------
    Single |   33.9956     0.0109     934.13  0.0000  23.1649  27.9854  37.5175
-------------------------------------------------------------------------------

Fixed-effects (within) regression               Number of obs      =      3135
Group variable: code_new                        Number of groups   =       285

R-sq:  within  = 0.4345                         Obs per group: min =        11
       between = 0.0037                                        avg =      11.0
       overall = 0.0002                                        max =        11

                                                F(7,2843)          =    312.02
corr(u_i, Xb)  = -0.8157                        Prob > F           =    0.0000

---------------------------------------------------------------------------------------
               tfpch2 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
----------------------+----------------------------------------------------------------
                 Emp2 |  -.3645916   .0102993   -35.40   0.000    -.3847864   -.3443968
                  Hci |   .1167394   .0202072     5.78   0.000     .0771171    .1563616
                  Gov |  -.0019513   .0065543    -0.30   0.766    -.0148029    .0109003
                  Inn |   .0191924    .003241     5.92   0.000     .0128375    .0255474
                  Ind |   .1127317   .0200915     5.61   0.000     .0733363    .1521271
                      |
_cat#c.secondandthird |
                   0  |   .2073138   .0076966    26.94   0.000     .1922223    .2224054
                   1  |   .0621035   .0045914    13.53   0.000     .0531007    .0711063
                      |
                _cons |   -2.29166    .068445   -33.48   0.000    -2.425867   -2.157453
----------------------+----------------------------------------------------------------
              sigma_u |  .49553742
              sigma_e |  .10924756
                  rho |    .953649   (fraction of variance due to u_i)
---------------------------------------------------------------------------------------
F test that all u_i=0: F(284, 2843) = 68.74                  Prob > F = 0.0000

单一门槛时通过检验，但是双重门槛时

.  xthreg tfpch2 Emp2 Hci Gov Inn Ind , rx(secondandthird  )  qx(secondandthird ) thnum(2) trim(0.01 0.01) grid(100) bs(500 500)
Estimating  the  threshold  parameters:   1st ......  2nd ......  Done
Boostrap for single threshold
.................................................. +   50
.................................................. +  100
.................................................. +  150
.................................................. +  200
.................................................. +  250
.................................................. +  300
.................................................. +  350
.................................................. +  400
.................................................. +  450
.................................................. +  500
Boostrap for double threshold model:
.................................................. +   50
.................................................. +  100
.................................................. +  150
.................................................. +  200
.................................................. +  250
.................................................. +  300
.................................................. +  350
.................................................. +  400
.................................................. +  450
.................................................. +  500

Threshold estimator (level = 95):
-----------------------------------------------------
     model |    Threshold         Lower         Upper
-----------+-----------------------------------------
      Th-1 |       2.7286        2.6287        2.7949
     Th-21 |       2.7949        2.7286        2.8493
     Th-22 |       2.3217             .             .
-----------------------------------------------------

Threshold effect test (bootstrap = 500 500):
-------------------------------------------------------------------------------
Threshold |       RSS        MSE      Fstat    Prob   Crit10    Crit5    Crit1
-----------+-------------------------------------------------------------------
    Single |   33.9956     0.0109     934.13  0.0000  21.7934  26.0228  36.8949
    Double |   30.8581     0.0099     317.62  0.0000  21.7800  25.0812  35.6169
-------------------------------------------------------------------------------

Fixed-effects (within) regression               Number of obs      =      3135
Group variable: code_new                        Number of groups   =       285

R-sq:  within  = 0.4876                         Obs per group: min =        11
       between = 0.0045                                        avg =      11.0
       overall = 0.0002                                        max =        11

                                                F(8,2842)          =    338.07
corr(u_i, Xb)  = -0.8240                        Prob > F           =    0.0000

---------------------------------------------------------------------------------------
               tfpch2 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
----------------------+----------------------------------------------------------------
                 Emp2 |  -.3767491   .0098324   -38.32   0.000    -.3960285   -.3574697
                  Hci |   .1221479   .0192411     6.35   0.000       .08442    .1598758
                  Gov |   .0007513    .006242     0.12   0.904     -.011488    .0129906
                  Inn |   .0186114   .0030868     6.03   0.000     .0125589     .024664
                  Ind |   .1039512   .0191478     5.43   0.000     .0664062    .1414962
                      |
_cat#c.secondandthird |
                   0  |   .3658993   .0116964    31.28   0.000     .3429649    .3888336
                   1  |   .1790808   .0070186    25.52   0.000     .1653189    .1928428
                   2  |   .0736344   .0044341    16.61   0.000     .0649399    .0823288
                      |
                _cons |  -2.419352    .065593   -36.88   0.000    -2.547967   -2.290738
----------------------+----------------------------------------------------------------
              sigma_u |   .5090653
              sigma_e |   .1040066
                  rho |  .95993044   (fraction of variance due to u_i)
---------------------------------------------------------------------------------------
F test that all u_i=0: F(284, 2842) = 76.88                  Prob > F = 0.0000

第二个门槛值低于第一个门槛值，并且第二个门槛值没有置信区间。
我尝试将trim值第二个改成0.05，但是此时还是没有置信区间，且双重门槛的p值不显著了

xthreg tfpch2 Emp2 Hci Gov Inn Ind , rx(secondandthird  )  qx(secondandthird ) thnum(2) trim(0.01 0.05) grid(100) bs(500 500)
Estimating  the  threshold  parameters:   1st ......  2nd ......  Done
Boostrap for single threshold
.................................................. +   50
.................................................. +  100
.................................................. +  150
.................................................. +  200
.................................................. +  250
.................................................. +  300
.................................................. +  350
.................................................. +  400
.................................................. +  450
.................................................. +  500
Boostrap for double threshold model:
.................................................. +   50
.................................................. +  100
.................................................. +  150
.................................................. +  200
.................................................. +  250
.................................................. +  300
.................................................. +  350
.................................................. +  400
.................................................. +  450
.................................................. +  500

Threshold estimator (level = 95):
-----------------------------------------------------
     model |    Threshold         Lower         Upper
-----------+-----------------------------------------
      Th-1 |       2.7286        2.6287        2.7949
     Th-21 |       2.9139             .             .
     Th-22 |       3.0793             .             .
-----------------------------------------------------

Threshold effect test (bootstrap = 500 500):
-------------------------------------------------------------------------------
Threshold |       RSS        MSE      Fstat    Prob   Crit10    Crit5    Crit1
-----------+-------------------------------------------------------------------
    Single |   33.9956     0.0109     934.13  0.0000  23.0734  28.1727  38.9659
    Double |   37.0777     0.0119    -259.69  1.0000  18.7490  20.9423  29.1433
-------------------------------------------------------------------------------

Fixed-effects (within) regression               Number of obs      =      3135
Group variable: code_new                        Number of groups   =       285

R-sq:  within  = 0.3820                         Obs per group: min =        11
       between = 0.0026                                        avg =      11.0
       overall = 0.0003                                        max =        11

                                                F(8,2842)          =    219.60
corr(u_i, Xb)  = -0.8064                        Prob > F           =    0.0000

---------------------------------------------------------------------------------------
               tfpch2 |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
----------------------+----------------------------------------------------------------
                 Emp2 |  -.3527877   .0107424   -32.84   0.000    -.3738514    -.331724
                  Hci |    .124725    .021122     5.90   0.000     .0833091     .166141
                  Gov |  -.0072342   .0068472    -1.06   0.291    -.0206602    .0061919
                  Inn |   .0200103   .0034037     5.88   0.000     .0133363    .0266843
                  Ind |   .1119877   .0212136     5.28   0.000     .0703921    .1535833
                      |
_cat#c.secondandthird |
                   0  |   .1644977   .0077747    21.16   0.000     .1492531    .1797422
                   1  |   .0861436   .0075857    11.36   0.000     .0712696    .1010176
                   2  |    .069794   .0051107    13.66   0.000     .0597729    .0798151
                      |
                _cons |  -2.271285    .072283   -31.42   0.000    -2.413018   -2.129552
----------------------+----------------------------------------------------------------
              sigma_u |  .48164999
              sigma_e |  .11422267
                  rho |  .94675497   (fraction of variance due to u_i)
---------------------------------------------------------------------------------------
F test that all u_i=0: F(284, 2842) = 62.02                  Prob > F = 0.0000

总之，在trim值为0.01，p值显著但是没有置信区间，且第二个门槛值低于第一个门槛值。
将trim改成0.05，p值不显著，没有置信区间，但是第二个门槛值高于第一个门槛值。
是否说明不存在双重门槛模型？

老师您好！我看Hansen的文章里模型中有一个个体固定效应，这个常数项是不是就表示这个固定效应呢？

老师您好！
我在help xthreg时看到syntax中写的是rx (varlist)而不是varname，这是不是意味着rx（）里可以写多个变量（受门槛效应影响的变量）呢？
谢谢！

我没注意过，请试试看跟我讲一下！

我试了一下，似乎是不行。

老师你好，长面板可以用xthreg吗？

我猜是可以的！

谢谢老师

老师您好，不好意思打扰您，我想请问一下：
我根据您给的网址下载了Hansen关于截面数据处理的程序，我在readme文档中看到了thresholdtest和thresholdreg程序，请问这两个的区别是什么？是现threshlodreg再test，还是不是非要test ? 希望老师能够帮忙回答一下，谢谢您

你好，请问你的问题最后解决了吗？可不可以分享一下？非常感谢

老师好，请问rx里不可以的放除门限变量和因变量外，其他所有的变量么？<br>
因为我觉得不可能假设只有一个核心变量随门限变量的变动而变动啊，这个怎么理解呢？可否请您指点一下。

目前"只能"放一个变量！

谁熟悉面板门槛模型呀？真心求教，弄了两天都没会，下载了王群勇老师的程序

您好，我下载了您这的xthreg包，但是加载不出来是怎么回事呢？

很可能，明年预定在长沙的讲习会，会谈到这个问题，让所有的变量系数 (现在只能一个改变) 都可以改变！