我在 Stata 高级视频教程中并未讲解面板门槛模型,这个内容出现在 Stata 学术论文视频教程中,专题的名称是 Hansen_1999.
如下是我的回复:
1. 你可以看看 Hansen(1999) 的原文,以及我提供的 PDF 讲义,这个模型是采用 FE 模型进行估计的。
2. 至于为何不采用 RE,Hansen 的原文并未提及。我个人的观点的是,RE 的假设条件很严格,在 90% 以上的文献中都没有使用这种模型。Hansen 1999 的论文主要强调结构变化问题的处理方法,至于个体效应他只需要合理控制即可,此时,FE 是最佳选择。
3. 估计完面板门槛模型后,如何获得每家公司的截距项?其实 Hansen 1999 的论文中虽然没讲,但是其模型设定的基本思想其实就是通过搜索的方式,找出门槛值。至此之后,整个模型的设定其实就是一个普通的 FE 模型,只是包含了一些交乘项以反映结构变化问题而已。
用 Stata 学术论文视频中的一个例子进行说明:(参见 Hansen_1999.do,第 598-526 行)
*-2- 使用 xtthres 命令进行估计
use xtthres_sim_xt.dta, clear
set seed 1357911
xtthres y , thres(q) dthres(x) bs1(30) bs2(30) bs3(20)
*-3- 绘图
xttr_graph // 第一轮搜索结果
graph export Figs\xtthres_fig01.wmf, replace
xttr_graph, m(22) white // 第二轮,搜索第二个门槛,黑白图片
graph export Figs\xtthres_fig02.wmf, replace
xttr_graph, m(21) // 第二轮,重新搜索第一个门槛
graph export Figs\xtthres_fig03.wmf, replace
xttr_graph, m(3) // 第三轮,第三个门槛
graph export Figs\xtthres_fig04.wmf, replace
*-4- 呈现估计结果
local q1 = e(rhat21) // 取出门槛值
local q2 = e(rhat22)
gen d1 = (q<=`q1') // 生成虚拟变量
gen d2 = (q> `q2')
gen xd1 = x*d1 // 交乘项
gen xd2 = x*d2
xtreg y x xd1 xd2, fe // 常规标准误
est store fe
xtreg y x xd1 xd2, fe robust // 稳健型估计
est store fe_robust
local m "fe fe_robust"
esttab `m', mtitle(`m') nogap s(r2 r2_w N F) ///
star(* 0.1 ** 0.05 *** 0.01)
*-(新增:)获得每家公司的截距项
reg y x xd1 xd2 i.id //
|