动态面板门槛模子Stata操做及利用：xtendothresdpd

Hansen（2000）将“门槛回回”模子的根本形式定义为：

此中，做为阐明变量的xi是一个m维的列向量。qi被称为“门槛变量”， Hansen（2000）认为门槛变量既能够是阐明変量xi中的一个回回元，也能够做为一个独立的门槛变量。

而面板门槛模子已经普遍利用到实证研究中，Hansen's(1999)模子是静态的别的固定效应回回估量要求协变量是强外生变量，估量值是一致的。——然而，在许多现实利用法式中，强外素性可能具有限造性。因而,Seo and Shin (2016)将该模子扩展到动态面板模子。

假设如下一个动态面板门槛模子：

xit可能包罗滞后因变量，即xit为Y的滞后期，qit是门槛变量。

1

语法格局

xtendothresdpd利用内生回回模子动态面板数据阈值效应模子。假设我们有一个动态的面板数据模子，那意味着我们有因变量和它的滞后值在模子中。假设，在那个模子中，我们也有一个阈值效应，而且回回变量是内生的，那么我们能够利用号令xtendothresdpd来估量阈值效应和斜率系数。在那个号令中，门槛值是内生确定的。也就是说，假设有一个阈值，号令会利用数据供给的信息找到它。号令xtendothresdpd背后的理论是由Kremer, Bick和Nautz(2013)供给的。

那是一个第三方号令， 利用之前需要先下载安拆，能够查看 外部号令的下载、安拆与利用以及ADO/PLUS文件夹分享

办法为：

成果为：

展开全文

然后能够对数据停止下载，也能够从如下地址下载：

号令为

2

语法格局为：

选项含义为：

thresv(varname)表达门槛变量

stub(string) 指定一个字符串名称，新的变量名将从中创建

pivar(varname)是依靠于门槛的变量，又称为区造因变量

dgmmiv(varlist[…])差分方程的GMM型东西变量;能够指定屡次吗

fpctile(#)指定阈值变量的下限百分位数

lpctile(#)指定阈值变量的上限百分位数

xaddendog(varlist)，表达与误差项相关的其他内生变量

sig(#)指定我们期看为估量门槛值的置信区间设置的显著性程度。那个选项的默认值是0.10。默认值为0.10，意味着我们需要估量阈值参数的90%置信区间。

grid(#) 指定用于估量阈值的网格点的数量。那个选项的默认值是400。那个默认值意味着在计算阈值时将利用400分位数做为网格。

重视事项：

1、thresv, stub, pivar 和dgmmiv 是必选项的。

2、在利用xtendothresdpd之前，必需tsset或xtset您的数据，意思是需要停止面板数据设定。

3、depvar为因变量， indepvars 为区造变量。

4、depvar、indepvars以及所有的varname和varlist都能够包罗时间序列

5、by是容许与xtendothresdpd一路利用

3

案例利用介绍

我们利用我们的办法来评估瘦削对工人消费力的影响。瘦削是用体重指数(BMI)来权衡的，体重(公斤)除以身高(米)的

在起头估量之前，我们利用set more off指令来封闭分屏展现

我们将利用数据集xtendothresdpddata.dta来演示号令xtendothresdpd的利用。

本数据集包罗兴旺国度和开展中国度的面板数据样本。它包罗1975-1979年至2010-2014年不堆叠年份的8个期间。

接下来，我们将描述数据集以查看每个变量的定义。

1、下面停止动态面板门槛回回操做：

我们将因变量(lggdppccstd)对滞后因变量(L.lggdppccstd)和轨制自变量(lginvestgdpr lginflation)停止回回。我们将阈值变量(debtpcgdpr)放在选项thresv中。我们将依靠于阈值(debtpcgdpr)的变量放在选项pivar中。在此标准中，阈值变量和依靠于阈值的变量是不异的。鄙人面的其他回回中，我们将放宽那一假设。我们将差分方程(lggdppccstd)的gmm类型东西放在选项dgmmiv中。我们指出，我们想计算两步估量与选项二步。最初，我们通过选项vce(robust)指定稳重原则误估量。

代码为：

成果为：

. xtendothresdpd lggdppccstd L.lggdppccstd lginvestgdpr lginflation, thresv(debtpcgdpr) stub(enr) pivar(debtpcgdpr) dgmmiv(lggdppccst d) twostep vce(robust)

==============================================================================Performing Dynamic Panel Data Threshold Effects withEndogenous Regressors Estimations.This may take some time, please wait.==============================================================================

Dynamic panel-data estimation Number of obs = 544Group variable: id Number of groups = 78Time variable: periodObs per group:min = 6avg = 6.974359max = 7

Number of instruments = 22 Wald chi2(5) = 717.87Prob chi2 = 0.0000Two-step results(Std. Err. adjusted for clustering on id)---------------------------------------------------------------------------------| WC-Robustlggdppccstd | Coef. Std. Err. z P|z| [95% Conf. Interval]----------------+----------------------------------------------------------------lggdppccstd |L1. | .8949676 .0495721 18.05 0.000 .797808 .9921272|below_thres_enr | -.5097349 .2594724 -1.96 0.049 -1.018291 -.0011783above_thres_enr | -.2301179 .091428 -2.52 0.012 -.4093134 -.0509223lginvestgdpr | -.0097807 .1342517 -0.07 0.942 -.2729091 .2533478lginflation | -.5291435 .2562929 -2.06 0.039 -1.031468 -.0268187_cons | 1.18536 .4930854 2.40 0.016 .2189301 2.151789---------------------------------------------------------------------------------Instruments for differenced equationGMM-type: L(2/.).lggdppccstdInstruments for level equationStandard: _cons

Threshold Parameter (level = 90)_______________________________________________________Threshold Lower Upper_______________________________________________________Gamma_Hat .30745 .30192 .319_______________________________________________________

成果阐明：

我们看到我们有两个成果表。一个大表(第一个表)和一个小表(第二个表)。

在题目为Dynamic panel-data estimate的大成果表中，我们重视到生成了两个变量:below_thres_enr和above_thres_enr。below_thres_enr的变量对应为低于估量阈值的轨制因变量。它对应于pi_it*I(q_it = gamma_hat)。

above_thres_enr对应于估量阈值以上的区造变量。它对应于pi_it*I(q_it gamma_hat))。

那个大表中的其他变量对应于滞后因变量和区造自变量。那个大表格还有页眉和页脚。(level= 90)意味着陈述的阈值参数有一个90%的置信区间。

那个小表中的成果表白，阈值为.30745，下限置信区间为.30192，上限置信区间为.319。该图展现了阈值模子的置信区间构造。

该图展现了门槛模子的置信区间构造。在那个图表中，蓝色曲线表达似然比统计量:LR(gamma)。绿色的程度线表达似然比统计量的渐近散布的百分比。

图中两条曲线的交点对应于置信区间。蓝色曲线与x轴接触的点对应于估量的阈值参数Gamma_Hat。

2、我们也能够用noconstant选项估量了与上面不异的回回。

成果省略。

4

参考文献

Caner Mehmet and Hansen Bruce E.: 2004, "Instrumental Variable Estimation of a Threshold Model", Econometric Theory 20(5), 813-843.

Davies Robert B.: 1977, "Hypothesis Testing when a Nuisance Parameter is Present only under the Alternative", Biometrika 64, 247-254.

Hansen Bruce E.: 1999, "Threshold Effects in Non-Dynamic Panels: Estimation, Testing, and Inference", Journal of Econometrics 93, 345-368.

Kremer Stephanie, Bick Alexander and Nautz Dieter: 2013, "Inflation and Growth: New Evidence from a Dynamic Panel Threshold Analysis", Empirical Economics 44, 861-878.