门槛模型如何判断使用几重门槛？

学徒的心 发表于 2021-7-31 11:54
bootstrap法的结果如下，当单一门槛模型和三重门槛模型均不拒绝原假设，双重门槛模型拒绝原假设时，请问出现 ...

我比较擅长门槛，家喂17590102373

您好想问一下这个的命令是什么，我找到的命令只显示一个门槛

学徒的心 发表于 2021-7-31 19:29
希望有路过的知道这一块知识的热心朋友能解惑一下，不胜感激

首先观察谁更显著，明显单一门槛更显著，之后在看看临界值是否符合即可，只要符合小于临界值即可

我觉得还是单门槛为宜，但是要结合不同情况下的显著性是否大于临界值作为判断辅助基准，同时应该附加稳健性检验，改变bootstrap的次数看是否会出现不一致变化的情况，综合考虑之后选择单门槛或者三门槛，以上是我个人的一些看法，谢谢

在选择门槛模型的复杂度时，通常需要考虑统计显著性和经济理论或逻辑。从你提供的结果来看：

- 单一门槛模型的P值为0.277，远大于常见的显著性水平（如0.05），这意味着不能拒绝没有单一门槛的原假设。
- 双重门槛模型的F值对应的P值接近于0（标记有***），这表明在统计上，存在双重门槛的可能性非常高。根据你提供的结果，该模型在所有常用的显著性水平下都明显地拒绝了不存在双重门槛的原假设。
- 三重门槛模型的P值为0.417，同样远大于常见的显著性水平。

基于上述结果，在单一和三重门槛模型均不提供充分证据支持相应复杂度的情况下，而双重门槛模型在统计上是显著的。因此，在没有其他经济理论或逻辑冲突的情况下，可以认为双重门槛模型提供了最好的拟合，并解释了数据中的非线性结构。

但是，选择模型时也应考虑模型的可解释性和实际应用意义。如果双重门槛模型在理论上合理并且提供更精细的数据分析结果，则可以使用它。然而，在实践中，还需要检查模型的诊断统计量（如残差的检验），以确保拟合的适当性和预测的有效性。

总结来说，根据给出的bootstrap法的结果，当单一和三重门槛模型均不拒绝原假设时，而双重门槛模型显著地拒绝了无门槛的原假设，则可以合理使用双重门槛模型进行进一步的数据分析。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用

从严格的统计检验逻辑来看，不建议直接使用双重门槛模型，但可以通过一些方法进一步排查后再做决定。
这里为你详细解析原因及后续建议：
1. 为什么严格来说不能直接用？
Hansen（1999）提出的门槛回归模型采用序贯检验的原则来确定门槛个数。标准的检验顺序如下：
第一步：检验“无门槛 vs 单一门槛”。如果显著，进入第二步；如果不显著，停止（说明不需要门槛模型，使用线性模型即可）。
第二步：检验“单一门槛 vs 双重门槛”。如果显著，进入第三步；如果不显著，停止（说明使用单一门槛）。
第三步：检验“双重门槛 vs 三重门槛”。如果显著，使用三重门槛；如果不显著，停止（说明使用双重门槛）。
根据你的结果：
单一门槛 P=0.277：不显著。按照序贯检验原则，检验在第一步就应该停止了。这意味着数据不支持存在单一门槛，因此后续的双重、三重检验在严格的统计学逻辑上就不再成立。
双重门槛 P=0.000：极其显著。这意味着“单一门槛模型”被拒绝，“双重门槛模型”显著优于“单一门槛模型”。
三重门槛 P=0.417：不显著。说明不需要三重门槛。
矛盾点在于：既然连单一门槛都不显著，怎么会有更优的双重门槛呢？这在统计逻辑上出现了“倒挂”现象。
2. 为什么会出现这种“倒挂”现象？
这种情况在实际操作中并不罕见，通常由以下原因导致：
Bootstrap抽样次数不够：你设置的是300次。对于P值在0.2~0.3之间徘徊的情况，300次的抽样误差较大，可能导致“单一门槛”的P值没有达到显著水平。
数据结构特殊或存在极端值：两个门槛变量可能存在协同效应，单独切一刀时效果不明显（单一门槛不显著），但切两刀时区间特征才显现出来（双重门槛极其显著）。
样本量问题：如果样本量不够大，或者组内/组间变异特征复杂，容易导致这种检验结果。
3. 后续处理建议
如果你想在论文中使用双重门槛模型，建议采取以下步骤来增强结果的稳健性和说服力：
增加Bootstrap抽样次数（强烈建议）：将Bootstrap次数从300增加到 500 或 1000。很多时候，增加抽样次数后，“单一门槛”的P值会降到0.1以下，从而顺利通过序贯检验的第一步，使得“双重门槛”的使用顺理成章。
检查数据与离群点：画出核心解释变量与被解释变量的散点图，看看是否存在明显的异常值，或者数据的分布是否存在两极分化，导致单一门槛无法拟合。
经济学/现实意义解释：如果增加BS次数后，单一门槛的P值依然大于0.1，但你又必须使用双重门槛，你需要有极强的理论支撑。在论文中可以如实报告结果，并解释：虽然在第一步检验中单一门槛未通过，但双重门槛检验的P值极低（0.000），说明数据中确实存在非线性结构，且双重门槛模型能更好地拟合数据的两阶段非线性特征。不过，这种写法在盲审时可能会遇到审稿人的质疑。
总结
不能直接、贸然地使用双重门槛模型。请先将Bootstrap次数提高到500或1000次重新跑一次。如果重新跑的结果是“单一门槛显著，双重门槛显著，三重门槛不显著”，那么就可以非常理直气壮地使用双重门槛模型了。如果重跑后单一门槛依然不显著，建议考虑使用线性模型，或者寻找其他非线性模型（如多项式回归）来替代。