看了下原论文Estimation of Dynamic Panel Threshold Modelusing Stata  （Myung Hwan Seo, Sueyoul Kim, and Young-Joo Kim，2019）。给一点个人的看法。
结合下面截图描述的，当使用kink模型时，除了门限变量（同时也是内生变量）外其他变量在门限上下两个区域内系数是一样的（β1）。而门限变量在其大于门限γ时，系数为β2+δ。这里的δ应该就是kink_slope。

而当不使用kink model时，xthenreg会在γ上下两个区域各给一个回归结果，外生变量和门限变量的系数都有两个（b是门限下结果，d是门限上结果）。（BTW，b和d的系数符号通常都是反的，感觉有点扯了）

补充一下，kink effect（k）只在门限变量大于γ时后才有，而且与之相乘的是（门限变量-γ）这部分

A regression kink model (or continuous threshold model)回归扭结模型（或连续阈值模型），使用kink模型是假设回归函数为连续函数。非kink模型是假设函数不连续的阈值模型，在（Myung Hwan Seo, Sueyoul Kim, and Young-Joo Kim，2019中不使用kink限制，stata输出x-b,x-d两个结果，使用kink模型输出x-b结果。不知道楼上“外生变量和门限变量的系数都有两个（b是门限下结果，d是门限上结果）”这个解释是否准确

也想请教各位，关于这个命令如何做门限检验呢

直接输入就可以安装，网一定要好

有大佬做出来了吗，感觉看不太懂，不知道哪些变量该放在哪个括号里

求问，kink模型在跨越门限后的系数大小等于跨越门限前的系数大小与kink_slope之和，那跨越门限后系数的显著性怎么判断呢？

设定一个NT为200*12的平衡面板，设定解释变量x为内生变量，工具变量为d1和d2，再设定外生控制变量z1和z2。
. gen y= .
. replace y=ui+4*x+0.5*z1+0.9*z2+e if x<2.603829
. replace y=ui+(-3.5*x)+0.5*z1+0.9*z2+e if x>=2.603829
门槛变量为x本身，门槛值为2.603829，拐点左侧斜率为正，拐点右侧斜率为负。

我们再来看动态面板门槛的效果。
       y |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        z1_b |   .7275549     .16168     4.50   0.000      .410668    1.044442
        z2_b |   .8220093   .0964413     8.52   0.000     .6329877    1.011031
         x_b |   2.543592   .2295983    11.08   0.000     2.093588    2.993597
      cons_d |   19.44356   17.44276     1.11   0.265    -14.74362    53.63075
        z1_d |  -.8561838   .3781402    -2.26   0.024    -1.597325   -.1150426
        z2_d |   .0311336   .2711957     0.11   0.909    -.5004002    .5626674
         x_d |  -5.512579   .6620953    -8.33   0.000    -6.810262   -4.214896
           r |   11.56441   4.042704     2.86   0.004     3.640858    19.48796
------------------------------------------------------------------------------

差距相当大啊，门槛值是11.56441，门槛左侧斜率2.543592，跟设定的4有相当差距；门槛右侧斜率为-5.512579，跟设定的-3.5也有一定差距。明显没有半参数估计的结果准确！
改用扭结模型试一下，结果稍有改观，但也不是特别准。
        y |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        z1_b |   .4782516   .0469436    10.19   0.000     .3862438    .5702594
        z2_b |    .839763   .0332357    25.27   0.000     .7746222    .9049037
         x_b |   2.929507   .2390747    12.25   0.000     2.460929    3.398085
  kink_slope |  -6.327167   .3687652   -17.16   0.000    -7.049933     -5.6044
           r |   4.499981   .9063239     4.97   0.000     2.723618    6.276343
------------------------------------------------------------------------------

拐点在4.499981，距离2.603829倒是比较近了，但还有距离。拐点左侧斜率2.929507，跟设定的4差距明显；拐点右侧斜率2.929507-6.327167=-3.39766，跟设定的-3.5倒是比较接近。好的一点是，跟半参数相比，动态面板门槛在扭结模型下对z1和z2的系数估计很准，0.478516和0.839763非常接近设定的0.5和0.9，很完美。
xthenreg命令本身肯定是没有问题，就是不能估计多个门槛值，即便是单一门槛，似乎估计的也不是特别准确，这是个人观点，仅供参考。

当测试双门槛时，xthenreg命令是简化为单门槛来处理，结果其实也是没问题的。这个命令对U型或倒U型曲线应该用处非常大，毕竟解决了内生性问题，而且跟半参数模型相比，它能显示的信息更多。

更正一下，之前设定面板数据时，内生变量x设定有小bug，修改了一下，并设：

. gen y= .

. replacey=ui+4*x+0.5*z1+0.9*z2+e if x<0

. replace y=ui+(-3.5*x)+0.5*z1+0.9*z2+e if x>=0
拐点为0的倒U型曲线
1、不考虑内生性问题，半参数回归的拐点为0.29704595
2、考虑内生性问题，半参数回归的拐点为0.2846916，明显更准确一些
3、动态面板门槛一般模型
------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        z1_b |   .5240811    .022296    23.51   0.000     .4803817    .5677806
        z2_b |   .8778075   .0143141    61.32   0.000     .8497524    .9058627
         x_b |   3.889159   .0412546    94.27   0.000     3.808302    3.970017
      cons_d |  -.0907999   1.120286    -0.08   0.935    -2.286521    2.104921
        z1_d |  -.0548423   .0431717    -1.27   0.204    -.1394572    .0297726
        z2_d |   .0427477    .029696     1.44   0.150    -.0154553    .1009508
         x_d |  -7.281174   .0611229  -119.12   0.000    -7.400972   -7.161375
           r |   .0636142   .2980837     0.21   0.831    -.5206191    .6478475
------------------------------------------------------------------------------
拐点0..0636，比半参数准确很多。拐点左侧斜率较准确，右侧不准确。

4、动态面板门槛扭结模型
------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
        z1_b |   .4901399   .0052905    92.64   0.000     .4797707    .5005092
        z2_b |   .8977091   .0033338   269.28   0.000      .891175    .9042431
         x_b |   3.908986   .0379181   103.09   0.000     3.834668    3.983304
  kink_slope |  -7.357911   .0615421  -119.56   0.000    -7.478531    -7.23729
           r |   .0636142   .1010927     0.63   0.529    -.1345238    .2617523
------------------------------------------------------------------------------
拐点位置以及左右两侧斜率，都超级准确。

所以，是我之前面板数据设计有问题，xthenreg对有内生性问题的单门槛估计非常准确，比半参数或非参数估计的还要准确。

再更正一下：

以“_b”结尾的表示低机制系数，以“_d”结尾的表示高机制减去低机制的系数 所以一般模型下，拐点左侧斜率3.89，很准确；右侧斜率3.889-7.281=-3.392，也基本准确。

请问为什么你做出来的门限值不显著，也就是r后面的P值不显著，按道理来说应该是显著的

可是用这个命令如何检验是否存在门槛值呢？

你好，问一下，那最后一行r所对应的系数就是门槛值么

想问下，用xthenreg命令的回归结果,是不是无法直接导出到excel？？采用est sto m1，提示last estimation results not found, nothing to store

请问您知道回归出来的这个模型如何检验有效性吗？好像seo提出了一个sup w来看，但是不知道stata的命令是什么

请问有谁知道回归出来的这个模型如何检验有效性吗？好像seo提出了一个sup w来看，但是不知道stata的命令是什么

你好，这个xthenreg命令是不是无法读取门限变量前后的回归结果情况，我的命令里有门限变量，但是在输出的结果中没有门槛变量前后的回归结果，只有门槛值的回归结果

您好 想问一下这个问题解决了吗 我也是不能store

请问门槛变量和核心解释变量是同一个的时候，命令应该怎么写？写两个x吗？

您好，请问您解决了吗这个问题

博主好，我想请教您一个问题，为什么我的扭结项斜率和门槛一正一负？

博主好，我想请教您一个问题，为什么我的扭结项斜率和门槛一正一负？

你好，问题解决了吗，就是我用这个动态门槛模型出来r是阈值，但是门槛检验做出来的阈值是另一个

请问做了这个模型还需要检验是否存在门槛值么

有偿求教，如何看回归结果