王群勇门槛效应命令xthreg 的结果解读和画图是怎么进行的？

黃河泉 发表于 2017-6-19 17:44
两个门槛情况

黄老师您好，我在做门限模型有两个门限值，输出结果第一个门限值较大，第二个门限值较小，后面0，1,2结果是怎么对应的呢，0对应的是大于大的门限值的结果还是小于小的门限值得结果呢

sladelingfeng 发表于 2019-5-12 17:31
黄老师您好，我在做门限模型有两个门限值，输出结果第一个门限值较大，第二个门限值较小，后面0，1,2结果 ...

这种问题我回答过上百次了，是按照门槛值大小来排的！

黃河泉 发表于 2017-6-20 09:07
请把你的指令发出来，该指令显然有错！

黄老师想请教您一个问题。我用xthreg回归以后，门槛值两侧的系数是显著的。我就用门槛值把总样本分为两个子样本分别进行双向固定效应回归，结果不显著。这个应该怎么解释呀……

yinluozhuang 发表于 2019-7-11 10:59
黄老师想请教您一个问题。我用xthreg回归以后，门槛值两侧的系数是显著的。我就用门槛值把总样本分为两个 ...

你一定是搞错了 (请把 noreg 去掉)，为什么要自己用门槛值把总样本分为两个子样本分别进行双向固定效应回归？

黃河泉 发表于 2019-7-11 11:19
你一定是搞错了 (请把 noreg 去掉)，为什么要自己用门槛值把总样本分为两个子样本分别进行双向固定效应回 ...

没有加noreg。分样本主要是想到，既然门槛值两侧的解释变量的系数符号不同，那么是不是就是说小于门槛值的样本，和大于门槛值的样本，被解释变量和解释变量的关系就不一样？基于这样的考虑 才把样本分成子样本再分别进行回归

黃河泉 发表于 2019-7-11 11:19
你一定是搞错了 (请把 noreg 去掉)，为什么要自己用门槛值把总样本分为两个子样本分别进行双向固定效应回 ...

没有加noreg。分样本主要是想到，既然门槛值两侧的解释变量的系数符号不同，那么是不是就是说小于门槛值的样本，和大于门槛值的样本，被解释变量和解释变量的关系就不一样？基于这样的考虑 才把样本分成子样本再分别进行回归

yinluozhuang 发表于 2019-7-11 11:28
没有加noreg。分样本主要是想到，既然门槛值两侧的解释变量的系数符号不同，那么是不是就是说小于门槛值的 ...

既然没加 noreg，你就会有估计结果，就不必 (也不应该) 自己分样本！

黃河泉 发表于 2019-5-12 18:24
这种问题我回答过上百次了，是按照门槛值大小来排的！

黄老师您好，劳烦你一下哈，请教你一个xthreg（面板门限回归） 的一个有关如何看回归结果的一个问题，_cat#c.c1是什么意思（可从后面的例子中看到）？可以这样理解么：假如只有一个门槛时，_cat#c.c1为0代表门限变量d1<0.0154时核心解释变量的回归系数；_cat#c.c1为1代表d1>0.0154时核心解释变量的回归系数?，具体的例子如下：
. use hansen1999, clear
. xthreg i q1 q2 q3 d1 qd1, rx(c1) qx(d1) thnum(1) grid(400) trim(0.01) bs(300)
Estimating the threshold parameters: 1st ...... Done
Boostrap for single threshold
.................................................. + 50
.................................................. + 100
.................................................. + 150
.................................................. + 200
.................................................. + 250
.................................................. + 300
Threshold estimator (level = 95):
model    Threshold     Lower       Upper
Th-1      0.0154        0.0141      0.0167
Threshold effect test (bootstrap = 300):
Threshold   RSS         MSE         Fstat     Prob        Crit10        Crit5         Crit1
Single         17.7818  0.0023     35.20    0.0033     11.9749    14.0259    22.8402
Fixed-effects (within) regression                      Number of obs = 7910
Group variable: id                                           Number of groups = 565
R-sq: within = 0.0951                                     Obs per group:  min = 14
        between = 0.0692                                                       avg = 14.0
        overall = 0.0660                                                           max = 14
                                                                   F(7,7338) = 110.21
corr(u_i, Xb) = -0.3972                                   Prob > F = 0.0000
i       Coef.            Std. Err.       t            P>|t|        [95%  Conf.  Interval]
q1    .0105555      .0008917     11.84     0.000        .0088075     .0123035
q2    -.0202872     .0025602     -7.92      0.000        -.025306     -.0152683
q3    .0010785      .0001952     5.53       0.000        .0006959     .0014612
d1    -.0229482     .0042381     -5.41      0.000        -.031256     -.0146403
qd1  .0007392      .0014278      0.52      0.605        -.0020597    .0035381
_cat#c.c1
0     .0552454      .0053343      10.36     0.000        .0447885     .0657022
1     .0862498      .0052022      16.58     0.000        .076052       .0964476
_cons .0628165   .0016957       37.05     0.000        .0594925     .0661405
sigma_u     .03980548
sigma_e     .04922656
rho            .39535508 (fraction of variance due to u_i)
F test that all u_i=0:             F(564, 7338) = 6.90            Prob > F = 0.0000

黃河泉 发表于 2019-7-11 15:25
既然没加 noreg，你就会有估计结果，就不必 (也不应该) 自己分样本！

黄老师您好，劳烦你一下哈，请教你一个xthreg（面板门限回归） 的一个有关如何看回归结果的一个问题，_cat#c.c1是什么意思（可从后面的例子中看到）？可以这样理解么：假如只有一个门槛时，_cat#c.c1为0代表门限变量d1<0.0154时核心解释变量的回归系数；_cat#c.c1为1代表d1>0.0154时核心解释变量的回归系数?，具体的例子如下：
. use hansen1999, clear
. xthreg i q1 q2 q3 d1 qd1, rx(c1) qx(d1) thnum(1) grid(400) trim(0.01) bs(300)
Estimating the threshold parameters: 1st ...... Done
Boostrap for single threshold
.................................................. + 50
.................................................. + 100
.................................................. + 150
.................................................. + 200
.................................................. + 250
.................................................. + 300
Threshold estimator (level = 95):
model    Threshold     Lower       Upper
Th-1      0.0154        0.0141      0.0167
Threshold effect test (bootstrap = 300):
Threshold   RSS         MSE         Fstat     Prob        Crit10        Crit5         Crit1
Single         17.7818  0.0023     35.20    0.0033     11.9749    14.0259    22.8402
Fixed-effects (within) regression                      Number of obs = 7910
Group variable: id                                           Number of groups = 565
R-sq: within = 0.0951                                     Obs per group:  min = 14
        between = 0.0692                                                       avg = 14.0
        overall = 0.0660                                                           max = 14
                                                                   F(7,7338) = 110.21
corr(u_i, Xb) = -0.3972                                   Prob > F = 0.0000
i       Coef.            Std. Err.       t            P>|t|        [95%  Conf.  Interval]
q1    .0105555      .0008917     11.84     0.000        .0088075     .0123035
q2    -.0202872     .0025602     -7.92      0.000        -.025306     -.0152683
q3    .0010785      .0001952     5.53       0.000        .0006959     .0014612
d1    -.0229482     .0042381     -5.41      0.000        -.031256     -.0146403
qd1  .0007392      .0014278      0.52      0.605        -.0020597    .0035381
_cat#c.c1
0     .0552454      .0053343      10.36     0.000        .0447885     .0657022
1     .0862498      .0052022      16.58     0.000        .076052       .0964476
_cons .0628165   .0016957       37.05     0.000        .0594925     .0661405
sigma_u     .03980548
sigma_e     .04922656
rho            .39535508 (fraction of variance due to u_i)
F test that all u_i=0:             F(564, 7338) = 6.90            Prob > F = 0.0000

黃河泉 发表于 2017-6-19 17:44
两个门槛情况

黄老师您好，劳烦你一下哈，请教你一个xthreg（面板门限回归） 的一个有关如何看回归结果的一个问题，_cat#c.c1是什么意思（可从后面的例子中看到）？可以这样理解么：假如只有一个门槛时，_cat#c.c1为0代表门限变量d1<0.0154时核心解释变量的回归系数；_cat#c.c1为1代表d1>0.0154时核心解释变量的回归系数?，具体的例子如下：
. use hansen1999, clear
. xthreg i q1 q2 q3 d1 qd1, rx(c1) qx(d1) thnum(1) grid(400) trim(0.01) bs(300)
Estimating the threshold parameters: 1st ...... Done
Boostrap for single threshold
.................................................. + 50
.................................................. + 100
.................................................. + 150
.................................................. + 200
.................................................. + 250
.................................................. + 300
Threshold estimator (level = 95):
model    Threshold     Lower       Upper
Th-1      0.0154        0.0141      0.0167
Threshold effect test (bootstrap = 300):
Threshold   RSS         MSE         Fstat     Prob        Crit10        Crit5         Crit1
Single         17.7818  0.0023     35.20    0.0033     11.9749    14.0259    22.8402
Fixed-effects (within) regression                       Number of obs = 7910
Group variable: id                                            Number of groups = 565
R-sq:  within   = 0.0951                                     Obs per group:  min = 14
         between = 0.0692                                                           avg = 14.0
         overall = 0.0660                                                              max = 14
                                                                       F(7,7338)           = 110.21
corr(u_i, Xb) = -0.3972                                   Prob > F             = 0.0000
i       Coef.            Std. Err.       t            P>|t|        [95%  Conf.  Interval]
q1    .0105555      .0008917     11.84     0.000        .0088075     .0123035
q2    -.0202872     .0025602     -7.92      0.000        -.025306     -.0152683
q3    .0010785      .0001952     5.53       0.000        .0006959     .0014612
d1    -.0229482     .0042381     -5.41      0.000        -.031256     -.0146403
qd1  .0007392      .0014278      0.52      0.605        -.0020597    .0035381
_cat#c.c1
0     .0552454      .0053343      10.36     0.000        .0447885     .0657022
1     .0862498      .0052022      16.58     0.000        .076052       .0964476
_cons .0628165   .0016957       37.05     0.000        .0594925     .0661405
sigma_u     .03980548
sigma_e     .04922656
rho            .39535508 (fraction of variance due to u_i)
F test that all u_i=0:             F(564, 7338) = 6.90            Prob > F = 0.0000