文章來源：社經研究社（ID：SES-2019）
在回歸分析中，我們常常關心系數估計值是否穩定，即如果將整個樣本分成若干個子樣本分別進行回歸，是否還能得到大致相同的估計系數。對於時間序列數據，這意味着經濟結構是否隨着時間的推移而改變。對於橫截面數據，比如，樣本中有男性與女性，則可以根據性別將樣本一分為二，分別估計男性樣本與女性樣本。如果用來划分樣本的變量不是離散型變量而是連續型變量，比如，企業規模、人均國民收入，則需要給出一個划分的標准，即“門檻值"。
門檻模型是什么
門檻效應，是指當一個經濟參數達到特定的數值后，引起另外一個經濟參數發生突然轉向其它發展形式的現象（結構突變）。作為原因現象的臨界值稱為門限值。
例如，在應用研究中，人們常常懷疑大企業與小企業的投資行為不同，那么如何區分大企業與小企業呢？另外，受到流動性約束的企業與沒有流動性約束企業的投資行為也可能不同，如何通過債務股本比或其他指標來區分這兩類企業？再比如，發達國家與發展中國家的經濟增長規律可能不同，如何通過人均國民收入這一指標來區分一個國家發達與否?
總之，經濟規律可能是非線性的,其函數形式可能依賴於某個變量(稱為“門限變量")而改變。如果模型的研究對象包含多個個體多個年度，那么就是面板門檻模型。
面板門檻模型的原理
進行回歸分析，一般需要研究系數的估計值是否穩定。很多經濟變量都存在結構突變問題，使用普通回歸的做法就是確定結構突變點，進行分段回歸。這就像我們高中學習的分段函數。
門檻回歸模型的實質是利用門檻值將樣本分為兩組，只有當兩組樣本的估計參數顯着不同時，才使用門檻回歸模型，否則說明不存在門檻，使用線性模型就可以了，因此必須對模型進行顯著性檢驗。
對於大樣本、面板數據如何尋找結構突變點呢？Hansen(1999)考慮了如下的固定效應（fixed effects）的門限回歸模型。
其優點體現在：
(1)不需要給定非線性方程的形式，門檻值及其個數完全由樣本數據內生決定；
(2)該方法提供了一個漸近分布理論來建立待估參數的置信區間，同時還可運用 bootstrap方法來估計門檻值的統計顯着性。
門檻變量的選擇可由理論模型外生決定，漢森指出，由於門檻回歸方法是通過對門檻變量進行排序后進行模型估計的，如果門檻變量含有較強的時間趨勢，就會將這種趨勢帶入模型中，趨勢的存在將改變突變點似然分布檢驗，更重要的是，在這種情況下，置信區間無法構建，使得問題無法研究，因此在選取門檻變量時盡量避免選擇帶有趨勢的絕對指標，而選擇相對指標。
面板門檻模型的stata操作
1.threshold命令
depvar被解釋變量，indepvars 解釋變量，threshavar門檻變量。options表示附加的選擇項。
2. xthreg命令
depvar被解釋變量，indepvars 解釋變量，qx(varname)門限變量，thnum(#) is 門檻值個數，在stata門檻值是必要項目，需要等於大於1，小於等於3，默認值為1。
3.xtthres命令
thres(varname)指定門檻值變量，dthres(varname)指定將顯示門檻值效果的變量，bs1(#), bs2(#), bs3(#) 分別在單門檻值、雙門檻值和三門檻值模型中指定bootstrap次數，level(#)指定置信區間的置信度（百分比），默認值為級別（95）。minobs 指定在搜索時每個區域中的最小觀測數。
如果想更深入了解的小伙伴可以在stata中使用help命令查看細節~
參考文獻：
1. 陳強. 高級計量經濟學及Stata應用[M]. 北京: 高等教育出版社, 2014.
2. 部分相關資料來源於百度百科和360百科。
資料來源：南大商院研會