. xthreg consume AGDP urbanization wealth industry , rx( turnovertax ) qx(absolutegap) thnum(2) trim(0.01 0.01) grid(400)
>  bs(300 300)
Estimating  the  threshold  parameters:   1st ......  2nd ......  Done
Boostrap for single threshold
.................................................. +   50
.................................................. +  100
.................................................. +  150
.................................................. +  200
.................................................. +  250
.................................................. +  300
Boostrap for double threshold model:
.................................................. +   50
.................................................. +  100
.................................................. +  150
.................................................. +  200
.................................................. +  250
.................................................. +  300

Threshold estimator (level = 95):
-----------------------------------------------------
     model |    Threshold         Lower         Upper
-----------+-----------------------------------------
      Th-1 |       9.3230        9.3176        9.3364
     Th-21 |       9.3230        9.3176        9.3308
     Th-22 |       8.8307        8.8228        8.8382
-----------------------------------------------------

Threshold effect test (bootstrap = 300 300):
-------------------------------------------------------------------------------
Threshold |       RSS        MSE      Fstat    Prob   Crit10    Crit5    Crit1
-----------+-------------------------------------------------------------------
    Single |    0.5037     0.0019      59.95  0.0000  18.3989  21.6404  31.2866
    Double |    0.4627     0.0017      23.92  0.0167  15.0544  18.1152  24.5960
-------------------------------------------------------------------------------

Fixed-effects (within) regression               Number of obs      =       279
Group variable: code                            Number of groups   =        31

R-sq:  within  = 0.9723                         Obs per group: min =         9
       between = 0.9439                                        avg =       9.0
       overall = 0.9458                                        max =         9

                                                F(7,241)           =   1207.79
corr(u_i, Xb)  = -0.5630                        Prob > F           =    0.0000

------------------------------------------------------------------------------------
           consume |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------------+----------------------------------------------------------------
              AGDP |    .201938   .0694362     2.91   0.004     .0651588    .3387172
      urbanization |   .5513196   .1016392     5.42   0.000     .3511051    .7515342
            wealth |   .3995649   .0522554     7.65   0.000     .2966293    .5025005
          industry |   1.240072   .3084605     4.02   0.000     .6324493    1.847695
                   |
_cat#c.turnovertax |
                0  |   .1835369   .0390638     4.70   0.000     .1065868     .260487
                1  |   .0984673   .0319762     3.08   0.002     .0354789    .1614557
                2  |  -.0058635   .0334839    -0.18   0.861    -.0718219     .060095
                   |
             _cons |   8.328307   .3202139    26.01   0.000     7.697531    8.959082
-------------------+----------------------------------------------------------------
           sigma_u |  .12612384
           sigma_e |  .04381766
               rho |  .89230019   (fraction of variance due to u_i)
------------------------------------------------------------------------------------
F test that all u_i=0:     F(30, 241) =    48.35             Prob > F = 0.0000

.
. *all

.
. xthreg consume AGDP urbanization wealth industry , rx(c) qx(absolutegap) thnum(2) trim(0.01 0.01) grid(400) bs(300 300)
Estimating  the  threshold  parameters:   1st ......  2nd ......  Done
Boostrap for single threshold
.................................................. +   50
.................................................. +  100
.................................................. +  150
.................................................. +  200
.................................................. +  250
.................................................. +  300
Boostrap for double threshold model:
.................................................. +   50
.................................................. +  100
.................................................. +  150
.................................................. +  200
.................................................. +  250
.................................................. +  300

Threshold estimator (level = 95):
-----------------------------------------------------
     model |    Threshold         Lower         Upper
-----------+-----------------------------------------
      Th-1 |       9.3848        9.3626        9.3871
     Th-21 |       9.3848        9.3626        9.3871
     Th-22 |       8.8307        8.8147        8.8382
-----------------------------------------------------

Threshold effect test (bootstrap = 300 300):
-------------------------------------------------------------------------------
Threshold |       RSS        MSE      Fstat    Prob   Crit10    Crit5    Crit1
-----------+-------------------------------------------------------------------
    Single |    0.5502     0.0020      34.90  0.0067  15.8079  19.0334  32.8577
    Double |    0.5312     0.0020       9.65  0.3100  13.5865  16.0522  22.2860
-------------------------------------------------------------------------------

Fixed-effects (within) regression               Number of obs      =       279
Group variable: code                            Number of groups   =        31

R-sq:  within  = 0.9682                         Obs per group: min =         9
       between = 0.9393                                        avg =       9.0
       overall = 0.9433                                        max =         9

                                                F(7,241)           =   1047.54
corr(u_i, Xb)  = -0.4637                        Prob > F           =    0.0000

------------------------------------------------------------------------------
     consume |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        AGDP |   .2261948   .0739713     3.06   0.002     .0804819    .3719078
urbanization |   .5204561   .1071435     4.86   0.000     .3093988    .7315134
      wealth |   .3806611   .0558633     6.81   0.000     .2706184    .4907038
    industry |   1.326551   .3313211     4.00   0.000     .6738959    1.979206
             |
    _cat#c.c |
          0  |  -.0882103   .0276328    -3.19   0.002    -.1426428   -.0337777
          1  |  -.0123088   .0114216    -1.08   0.282    -.0348078    .0101902
          2  |   .1023203   .0186821     5.48   0.000     .0655192    .1391214
             |
       _cons |   8.149076    .342895    23.77   0.000     7.473623     8.82453
-------------+----------------------------------------------------------------
     sigma_u |  .11936965
     sigma_e |  .04695044
         rho |  .86602549   (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0:     F(30, 241) =    42.10             Prob > F = 0.0000

.
. *all c

.
. .

.

门槛回归现在不是可以下作者编写的命令了吗？

1. 建议请用 xthreg。2. 请将指令与结果发出来，不然实在看不出你的问题！

黄老师您好，我在2楼有写出命令和结果，两条命令分别是
xthreg consume AGDP urbanization wealth industry , rx( turnovertax ) qx(absolutegap) thnum(2) trim(0.01 0.01) grid(400)
xthreg consume AGDP urbanization wealth industry , rx(c) qx(absolutegap) thnum(2) trim(0.01 0.01) grid(400) bs(300 300)
第一条命令中的 rx( turnovertax )是我想要做的自变量，第二条命令中rx（c）中的c是一个0-1之间的随机数，但是结果出来发现两条命令所对应的门槛值很接近
     model |    Threshold         Lower         Upper
-----------+-----------------------------------------
      Th-1 |       9.3230        9.3176        9.3364
     Th-21 |       9.3230        9.3176        9.3308
     Th-22 |       8.8307        8.8228        8.8382
-----------------------------------------------------
-----------------------------------------------------
     model |    Threshold         Lower         Upper
-----------+-----------------------------------------
      Th-1 |       9.3848        9.3626        9.3871
     Th-21 |       9.3848        9.3626        9.3871
     Th-22 |       8.8307        8.8147        8.8382
-----------------------------------------------------

而且当我尝试将rx（）的值替换成其他变量时，得出的门槛值也是非常接近，我认为我这个数据中存在着问题，导致我无论将rx（）的值不管替换成什么变量，得出的门槛值都是同一个
还烦请老师您看一看