我用Python按照：https://ask.hellobi.com/blog/datasciencemeditation/7540，http://www.doc88.com/p-2089722981617.html。这两个链接实现门槛回归（没办法，没看到Python有什么库提供门槛回归方法），由于第2个链接里的论文根本没提到SCAD惩罚函数的样子，我就去搜索到了第一个链接。总而言之，现在我的确跑出来结果了，但是门槛值 c 的估计值竟然比实际存在的门槛变量的取值还大好多倍，这肯定不正确。。。
所以我怀疑是不是我对SCAD惩罚函数的理解有错误，总之我今天又谷歌，搜索到了http://vlambda.com/wz_wRtUGSimSJ.html。这篇文章，里面的SCAD惩罚函数又和第一个链接看到的不一样，我已经迷糊了

我的意思是，现在我搞不清楚SCAD是不是函数表达式弄错了，但不论是否弄错，我发现我不能理解SCAD如何把参数估计为0。参数估计为0就会将某段的回归全部系数估计为0，从而能直接告知这个分段不需要，这是第二个链接论文告诉我的。。。但反正，现在门槛 c 值就不对。。。门槛自变量的数据最大也才1W出头，而估计出的C竟然数倍于它们
以下是代码，其中pay_data_x为189*9的矩阵自变量数据，pay_data_y为因变量。M_c是分段，这里分了2段，先分别用pay_data_x的第2列数据的标准差和均值做分段门槛值的初始值（即第2列数据为门槛变量）
另外就是，是否有可能我对门槛值c的求导有错误？？