『壹』 門檻回歸命令
在平衡面板數據的背景下，門檻回歸命令的使用旨在探索自變數對因變數的影響是否隨一個特定變數的變化而存在分段效應。該命令通過設置門檻變數(qx)及其對應的門限數(thnum)，以及控制變數、核心變數(rx)和自抽樣次數(bs)等參數，來分析數據中可能存在的門檻效應。
門檻回歸的基本公式如下：
xthreg 被解釋變數 控制變數，rx（核心變數）qx(門檻變數) thnum(1) bs(300) trim(0.01-0.05) grid(400)
其中，門檻變數(qx)代表研究中認為可能引起效應變化的關鍵變數；門限數(thnum)設定為1，意味著模型將識別出一個門檻點，以此分析變數的分段效應；自抽樣次數(bs)為300，表示在網格搜索過程中進行的隨機抽樣次數；trim參數設置為0.01-0.05，意味著模型會剔除數據集中位於門檻值上下限附近1%至5%的異常值；grid參數設置為400，表示網格搜索的網格數，用於更精確地定位門檻點。
若需要分析模型中存在兩個門檻點的情況，門檻回歸命令可以相應地調整為：
xthreg 被解釋變數 控制變數，rx（核心變數）qx(門檻變數) thnum(2) bs(300 300) trim(0.01-0.05，0.01-0.05) grid(400)
通過這兩個門檻點的分析，可以更細致地探究變數在不同區間內的效應差異，從而得到更為准確的回歸結果。