1. 在`xthreg`命令中加入个体固定效应和时间固定效应并不直接支持。但在Stata中做面板数据门槛回归时,通常的做法是先通过门槛回归确定门槛值,然后将数据根据门槛值进行分类后单独考虑固定效应。对于个体固定效应(FE),你可以在每个子样本中使用`xtreg y x1 x2, fe i(id)`这样的命令来处理,其中`id`为个体标识符。
对于双固定效应(即个体和时间都作为固定效应)的处理稍微复杂一些,因为Stata在某些回归命令中并不直接支持同时加入个体与时间的双重固定效应。但你仍然可以通过构建虚拟变量的方式手动加入时间固定效应。例如,如果你的时间周期是年度,可以创建一系列年度虚拟变量,并将其包含到回归模型中。
2. 你的第二个问题中提到,在确定门槛值后,根据门槛将数据分类并进行双固定效应的回归分析是一个可行的方法。这种方法被称为“分段”或“断点”回归,它允许你分别对每个门槛值两侧的数据集估计独立的参数。然而,请注意这样做的统计假设(例如,误差项的同质性、无自相关等)在不同子样本中应仍然满足。
3. 对于系统GMM与门槛效应结合的问题,在Stata中,没有一个直接命令能够同时完成系统GMM估计和门槛回归分析。这是因为系统GMM估计涉及到复杂的内生性处理以及差分或水平方程的使用,而这些方法在当前的门槛模型命令(如`xthreg`)中并未覆盖。
然而,可以采取一种“两步法”:首先用其他手段确定门槛值;然后,在已知门槛的情况下,对每个子样本分别应用系统GMM估计。这通常涉及到手动分类数据并使用`xtabond2`等命令进行系统GMM回归分析,其中每个子样本的模型可能需要单独调整。
请注意,以上方法都需要谨慎处理,并充分理解其背后的统计原理和假设条件。在实际研究中,这些操作可能会因为特定的数据特性或理论框架而有所不同。
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