【stata】门槛效应-xthreg

ayfree

于 2024-12-04 15:24:25 发布

阅读量6.5k

点赞数 34

文章标签：数据分析笔记

本文链接：https://blog.csdn.net/mgabage/article/details/144198713

版权

1. 门槛效应原理

本质可以简单理解为分段函数。

经济学上认为门槛效应是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其他发展形式的现象（结构突变），作为转变的临界值就称为门槛值或者门限值。hansen（1999）首次介绍了具有个体效应的面板门槛模型的计量分析方法。该方法以残差平方和最小化为条件确定门槛值，并检验门槛值的显著性。

单门槛模型计量公式为： $y_{it}=\mu_{i}+{\beta}'_{1}x_{it}I(q_{it}\leq \gamma )+{\beta}'_{2}x_{it}I(q_{it}> \gamma )+e_{it}$

其中， $I(\cdot )$ 是示性函数， $q_{it}$ 为门槛变量， $\gamma$ 为门槛值。

若写成分段函数的形式为： $y_{it}=\begin{cases} \mu_{i}+{\beta}'_{1}x_{it}+e_{it}, q_{it}\leq \gamma,\\ \mu_{i}+{\beta}'_{2}x_{it}+e_{it}, q_{it}> \gamma \end{cases}$ 。

同理，如果设置两个门槛值( $\gamma_{1},\gamma_{2}$ )、三个门槛值( $\gamma_{1},\gamma_{2},\gamma_{3}$ )，则是将模型分成3个/4个段的分段函数形式

门槛效应的核心在于如何求解出门槛值 $\gamma$ 。通常我们使用stata或者其他软件进行计算，手动计算方法不放在此处。可以参考下面链接里面的内容计算。

参考：（自学笔记3）门槛模型原理和stata实现

2. stata计算

2.1 xthreg命令安装

xthreg不能直接利用安装程序进行安装。

安装过程：

1. 输入代码：

help xthreg

2. 点击弹出界面中的"str0373"

3. 点击"click here to install"

参考：面板数据门槛归回分析，xthreg的安装，xthreg2安装包_xthreg怎么安装-CSDN博客

2.2 函数解释

总语法如下所示：

xthreg depvar [indepvars] [if] [in], rx(varlist) qx(varname) [thnum(#) grid(#) trim(numlist) bs(numlist) thlevel(#) gen(newvarname) noreg nobslog thgiven options]

depvar是因变量
indepvars是控制变量
varlist是自变量或者核心解释变量
varname是门槛变量
thnum(#)是门槛数量。在Stata 13中，#必须小于等于3。默认设置为thnum(1)。可以简单理解为#处是将函数分成#段
grid(#)是网格点的个数。grid()被用于避免计算大样本时耗费过多时间。默认设置为grid(300)。
trim(numlist)是估计每个门槛的修正比例。修正比例的个数必须等于thnum()中设定的门槛数量。例如，为拟合三门槛模型，需要在括号内设置3个值，比如trim(0.01 0.01 0.05)。对于所有门槛，默认设置为trim(0.01)。
bs(numlist)是运行bootstrap的次数。如果没有设定bs()，那么xthreg不会对门槛效应检验使用bootstrap。
thlevel(#)为门槛的置信区间设定一个置信水平。默认设置为thlevel(95)。
gen(newvarname)用0, 1, 2, …为每个状态生成一个新的分类变量。默认设置为gen(_cat)。
noreg禁止回归结果的显示。
nobslog禁用bootstrap迭代过程。
thgiven基于前面的结果拟合模型。

实际使用例子

估计单门槛模型

xthreg i x1 x2 x3 , rx(x) qx(q) thnum(1) trim(0.01) grid(400) bs(300)

直接估计三门槛模型

xthreg i i x1 x2 x3 , rx(x) qx(q) thnum(3) trim(0.01 0.01 0.05) bs(300 300 300)

使用LR统计量画出置信区间

_matplot e(LR21), columns(1 2) yline(7.35, lpattern(dash)) connect(direct) msize(small) mlabp(0) mlabs(zero) ytitle("LR Statistics") xtitle("First Threshold") recast(line) name(LR21) nodraw

_matplot e(LR22), columns(1 2) yline(7.35, lpattern(dash)) connect(direct) msize(small) mlabp(0) mlabs(zero) ytitle("LR Statistics") xtitle("Second Threshold") recast(line) name(LR22) nodraw