因为stata里我只找到了王群勇老师的程序，连玉君老师的程序findit不到。。

加油，自己钻研也会掌握！如果需要帮忙，可以加我QQ317419117，我擅长各类面板数据实证

试试

结果仍然是一样的  门槛数1可以，2或3就不行了 我也修改过 trim，还是没有用。。。

哦我知道了，是我的trim忘记分别设两个值了，谢谢！

老师 您好 可以解释一下绘图命令 _matplot e(LR21), columns(1 2) yline(7.35, lpattern(dash)) 是什么意思吗？谢谢

我一般不画图的（基本上其根本没有提供额外新资讯，占篇幅的成分大），你自己有兴趣的话，要自己去查一查！

请问，用哪个命令看是否存在门限呢？

请问，怎么检验变量的平稳性啊就是LLC检验和PP-fisher检验用stata14.0操作。命令该怎么输啊，暑假写论文，恳请大神能指教。加我qq1270990607.万分感谢！

命令为：xtnuitroot llc 变量，就可以了。或者可以点击statistics-longitudinal panel data-unit root test

命令写错了吧

有同样的疑问，你弄清楚没

多谢！学习了！

help xthreg就较为详细了啊

黄老师您好，我在做门限模型有两个门限值，输出结果第一个门限值较大，第二个门限值较小，后面0，1,2结果是怎么对应的呢，0对应的是大于大的门限值的结果还是小于小的门限值得结果呢

这种问题我回答过上百次了，是按照门槛值大小来排的！

黄老师想请教您一个问题。我用xthreg回归以后，门槛值两侧的系数是显著的。我就用门槛值把总样本分为两个子样本分别进行双向固定效应回归，结果不显著。这个应该怎么解释呀……

你一定是搞错了 (请把 noreg 去掉)，为什么要自己用门槛值把总样本分为两个子样本分别进行双向固定效应回归？

没有加noreg。分样本主要是想到，既然门槛值两侧的解释变量的系数符号不同，那么是不是就是说小于门槛值的样本，和大于门槛值的样本，被解释变量和解释变量的关系就不一样？基于这样的考虑 才把样本分成子样本再分别进行回归

没有加noreg。分样本主要是想到，既然门槛值两侧的解释变量的系数符号不同，那么是不是就是说小于门槛值的样本，和大于门槛值的样本，被解释变量和解释变量的关系就不一样？基于这样的考虑 才把样本分成子样本再分别进行回归

既然没加 noreg，你就会有估计结果，就不必 (也不应该) 自己分样本！

黄老师您好，劳烦你一下哈，请教你一个xthreg（面板门限回归） 的一个有关如何看回归结果的一个问题，_cat#c.c1是什么意思（可从后面的例子中看到）？可以这样理解么：假如只有一个门槛时，_cat#c.c1为0代表门限变量d1<0.0154时核心解释变量的回归系数；_cat#c.c1为1代表d1>0.0154时核心解释变量的回归系数?，具体的例子如下：
. use hansen1999, clear
. xthreg i q1 q2 q3 d1 qd1, rx(c1) qx(d1) thnum(1) grid(400) trim(0.01) bs(300)
Estimating the threshold parameters: 1st ...... Done
Boostrap for single threshold
.................................................. + 50
.................................................. + 100
.................................................. + 150
.................................................. + 200
.................................................. + 250
.................................................. + 300
Threshold estimator (level = 95):
model    Threshold     Lower       Upper
Th-1      0.0154        0.0141      0.0167
Threshold effect test (bootstrap = 300):
Threshold   RSS         MSE         Fstat     Prob        Crit10        Crit5         Crit1
Single         17.7818  0.0023     35.20    0.0033     11.9749    14.0259    22.8402
Fixed-effects (within) regression                      Number of obs = 7910
Group variable: id                                           Number of groups = 565
R-sq: within = 0.0951                                     Obs per group:  min = 14
        between = 0.0692                                                       avg = 14.0
        overall = 0.0660                                                           max = 14
                                                                   F(7,7338) = 110.21
corr(u_i, Xb) = -0.3972                                   Prob > F = 0.0000
i       Coef.            Std. Err.       t            P>|t|        [95%  Conf.  Interval]
q1    .0105555      .0008917     11.84     0.000        .0088075     .0123035
q2    -.0202872     .0025602     -7.92      0.000        -.025306     -.0152683
q3    .0010785      .0001952     5.53       0.000        .0006959     .0014612
d1    -.0229482     .0042381     -5.41      0.000        -.031256     -.0146403
qd1  .0007392      .0014278      0.52      0.605        -.0020597    .0035381
_cat#c.c1
0     .0552454      .0053343      10.36     0.000        .0447885     .0657022
1     .0862498      .0052022      16.58     0.000        .076052       .0964476
_cons .0628165   .0016957       37.05     0.000        .0594925     .0661405
sigma_u     .03980548
sigma_e     .04922656
rho            .39535508 (fraction of variance due to u_i)
F test that all u_i=0:             F(564, 7338) = 6.90            Prob > F = 0.0000

黄老师您好，劳烦你一下哈，请教你一个xthreg（面板门限回归） 的一个有关如何看回归结果的一个问题，_cat#c.c1是什么意思（可从后面的例子中看到）？可以这样理解么：假如只有一个门槛时，_cat#c.c1为0代表门限变量d1<0.0154时核心解释变量的回归系数；_cat#c.c1为1代表d1>0.0154时核心解释变量的回归系数?，具体的例子如下：
. use hansen1999, clear
. xthreg i q1 q2 q3 d1 qd1, rx(c1) qx(d1) thnum(1) grid(400) trim(0.01) bs(300)
Estimating the threshold parameters: 1st ...... Done
Boostrap for single threshold
.................................................. + 50
.................................................. + 100
.................................................. + 150
.................................................. + 200
.................................................. + 250
.................................................. + 300
Threshold estimator (level = 95):
model    Threshold     Lower       Upper
Th-1      0.0154        0.0141      0.0167
Threshold effect test (bootstrap = 300):
Threshold   RSS         MSE         Fstat     Prob        Crit10        Crit5         Crit1
Single         17.7818  0.0023     35.20    0.0033     11.9749    14.0259    22.8402
Fixed-effects (within) regression                      Number of obs = 7910
Group variable: id                                           Number of groups = 565
R-sq: within = 0.0951                                     Obs per group:  min = 14
        between = 0.0692                                                       avg = 14.0
        overall = 0.0660                                                           max = 14
                                                                   F(7,7338) = 110.21
corr(u_i, Xb) = -0.3972                                   Prob > F = 0.0000
i       Coef.            Std. Err.       t            P>|t|        [95%  Conf.  Interval]
q1    .0105555      .0008917     11.84     0.000        .0088075     .0123035
q2    -.0202872     .0025602     -7.92      0.000        -.025306     -.0152683
q3    .0010785      .0001952     5.53       0.000        .0006959     .0014612
d1    -.0229482     .0042381     -5.41      0.000        -.031256     -.0146403
qd1  .0007392      .0014278      0.52      0.605        -.0020597    .0035381
_cat#c.c1
0     .0552454      .0053343      10.36     0.000        .0447885     .0657022
1     .0862498      .0052022      16.58     0.000        .076052       .0964476
_cons .0628165   .0016957       37.05     0.000        .0594925     .0661405
sigma_u     .03980548
sigma_e     .04922656
rho            .39535508 (fraction of variance due to u_i)
F test that all u_i=0:             F(564, 7338) = 6.90            Prob > F = 0.0000

黄老师您好，劳烦你一下哈，请教你一个xthreg（面板门限回归） 的一个有关如何看回归结果的一个问题，_cat#c.c1是什么意思（可从后面的例子中看到）？可以这样理解么：假如只有一个门槛时，_cat#c.c1为0代表门限变量d1<0.0154时核心解释变量的回归系数；_cat#c.c1为1代表d1>0.0154时核心解释变量的回归系数?，具体的例子如下：
. use hansen1999, clear
. xthreg i q1 q2 q3 d1 qd1, rx(c1) qx(d1) thnum(1) grid(400) trim(0.01) bs(300)
Estimating the threshold parameters: 1st ...... Done
Boostrap for single threshold
.................................................. + 50
.................................................. + 100
.................................................. + 150
.................................................. + 200
.................................................. + 250
.................................................. + 300
Threshold estimator (level = 95):
model    Threshold     Lower       Upper
Th-1      0.0154        0.0141      0.0167
Threshold effect test (bootstrap = 300):
Threshold   RSS         MSE         Fstat     Prob        Crit10        Crit5         Crit1
Single         17.7818  0.0023     35.20    0.0033     11.9749    14.0259    22.8402
Fixed-effects (within) regression                       Number of obs = 7910
Group variable: id                                            Number of groups = 565
R-sq:  within   = 0.0951                                     Obs per group:  min = 14
         between = 0.0692                                                           avg = 14.0
         overall = 0.0660                                                              max = 14
                                                                       F(7,7338)           = 110.21
corr(u_i, Xb) = -0.3972                                   Prob > F             = 0.0000
i       Coef.            Std. Err.       t            P>|t|        [95%  Conf.  Interval]
q1    .0105555      .0008917     11.84     0.000        .0088075     .0123035
q2    -.0202872     .0025602     -7.92      0.000        -.025306     -.0152683
q3    .0010785      .0001952     5.53       0.000        .0006959     .0014612
d1    -.0229482     .0042381     -5.41      0.000        -.031256     -.0146403
qd1  .0007392      .0014278      0.52      0.605        -.0020597    .0035381
_cat#c.c1
0     .0552454      .0053343      10.36     0.000        .0447885     .0657022
1     .0862498      .0052022      16.58     0.000        .076052       .0964476
_cons .0628165   .0016957       37.05     0.000        .0594925     .0661405
sigma_u     .03980548
sigma_e     .04922656
rho            .39535508 (fraction of variance due to u_i)
F test that all u_i=0:             F(564, 7338) = 6.90            Prob > F = 0.0000