面板门限模型

面板门限的内容

• 找一个突变点，常见的方法是两种，二次项（U、倒U）加入虚拟变量

门限的经典文献

门限模拟数据产生过程。
** 单一门槛

双门槛

双门槛的原理：成一个二维的网格寻优，找到一个组合得到一个最小的rss。

模拟数据

这是最初暴力的方法，并不采用，方便理解2门槛的基本原理
下面是优化的方法
方法原理：

• 固定b1，收b2，找最小，固定新的b2
• 固定b2，收b1，找最小，固定新的b1
• 固b1。。。。。更新b2
• 直至两者组合的rss不在变化。

注意每个区间内部都有一定足够占比的样本数，即门槛值不能够太靠近左右两端。
Y：

• 假设10000条样本，你的第一门槛值做出来里面包含的样本只有100条，你觉得合适吗？确定他不是因为极端值引起的？就算不是，你认为100条数据的结论，在10000条样本中能有多大说服力？

面板门槛的假设检验

前面厘清了一些原理
现在看如何做假设检验

• 为什么门槛里面有个Bootstrap抽样？–下面给了解释。
  F分布里面有一个b的未知（伴随参数），所以F统计量的不符合一般的F分布，那么需要抽样了估计这个分布。（其实就是找临界值，来判断是否拒绝原假设）由此而来。

Bootstrap的原理：有放回再抽样

实操

• grid初始给100就行。 bs是boostrap 次数

• 三重门槛别轻易做。解释得很麻烦。

• 但是3重要做，因为确定是不是2重门槛，如果下图，不是三重，那么thnum改成2还要跑一次。