Stata门限模型的操作及结果详细解读

一、门限面板模型概览

如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。

一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗？在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。

门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面的例子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。

汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站：

https://www.sodocs.net/doc/e99187253.html,/~bhansen/progs/progs_subject.htm。

Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》，提出了时间序列门限自回归模型（TAR）的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999年的《Threshold effects in non-dynamic panels: Estimation, testing and inference》，2000年的《Sample splitting and threshold estimation》和2004年与他人合作的《Instrumental Variable Estimation of a Threshold Model》。

在这些文章中，Hansen介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方程，消除个体固定效应，然后再利用OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自举法（Bootstrap）重复抽取样本，提高门限效应的显著性检验效率。

在Hansen（1999）的模型中，解释变量中不能包含内生解释变量，无法扩展应用领域。Caner和Hansen在2004年解决了这个问题。他们研究了带有内生变量和一个外生门限变量的面板门限模型。与静态面板数据门限回归模型有所不同，在含有内生解释变量的面板数据门限回归模型中，需要利用简化型对内生变量进行一定的处理，然后用2SLS（两阶段最小二乘法）或者GMM（广义矩估计）对参数进行估计。

当然，有关门限回归模型的最新研究，还可以参考《Inflation and Growth: New Evidence From a Dynamic Panel Threshold Analysis》（Stephanie Kremer，Alexander Bick，Dieter Nautz，2009）。

二、计量模型的假设、估计和检验

略

三、门限面板模型回归估计stata操作指南——基于王群勇xtptm程序

有关这个程序的有效性，我们不去追究，就认为它是正确的程序。

（一）前期准备

1、拥有一台能联网的电脑；

2、电脑中有能正常运行的Stata程序，最好是Stata/SE 12，没有这个程序请自行搜索；

3、下载xtptm.zip文件包（请自行搜索），解压缩，复制到X:\Program Files\Stata12.0(full)\ado文件夹下，单独使用一个文件夹，最好直接使用xtptm文件夹。也就是说，stata下面有文件夹ado，ado下面有文件夹xtptm，xtptm下面包含了若干文件；

4、指定门限程序文件夹（每次重新打开stata都需要指定这个路径），输入命令（可以不包含点和空格“. ”，直接使用命令）：

. cd "D:\Program Files\Stata12.0(full)\ado\xtptm"

D:\Program Files (x86)\Stata12_winX86_x64\ado\xtptm

以上路径需要根据自己的实际情况指定；

5、下载相关文件，输入命令：

. findit moremata

回车，弹出帮助文件，依次将“Web resources from Stata and other users”下面的11个链接打开，点击相应安装按钮，下载安装。其中，第六个链接安装结束后会提示安装出现问题，不用管。

因为指定了程序路径（cd那个命令），安装完成后，xtptm文件夹会增加很多文件。

至此，准备工作做完了。

（二）门限回归实例

1、到此【下载数据】。这个数据包括29个个体（省份），21个年度（1990-2010），是一个平衡面板数据。将数据复制粘贴到Stata数据库中。方法是：菜单栏Data>Data Editor>Data Editor (Edit)，粘贴数据，粘贴时选择“第一行设定为变量名”。

然后，在数据界面，点击保存，将数据保存到xtptm文件夹内。这样以后每次都可以直接打开这个数据文件（仍需要用cd命令指定门限程序的路径）。关闭数据编辑框，进行下面

的操作。

2、设定个体与时间，如果个体名称是字符，还需要先将字符转化为数值：

. encode provin , gen(prov) #将字符型的变量provin转换为数值型的变量prov . xtset prov year #设定个体和时间分别由prov和year变量的数据表示最终数据列表如图所示。

3、执行门限回归，输入如下命令：

. xtptm agg trans labor market iae, rx(tax) thrvar(year) iters(1000) trim(0.05) grid(100) regime(2)

含义：

xtptm——执行门限面板回归估计

agg——被解释变量

trans、labor、market、iae——非核心解释变量（控制变量）

rx(tax)——核心解释变量设定为tax

thrvar(year)——门限变量设定为year

iters(1000)——自举抽样1000次

trim(0.05)——分组子样本异常值去除比例为百分之五

grid(100)——将样本分成100个栅格然后取100个中间参数

regime(2)——待检验的门限值数量为两个

4、转到【回归结果说明】

4、回归结果说明

这个程序只能绘制第一个门限值的检验图。命令为：. _matplot LR, colume (1 2)

#注意：LR后面没有#号

门限分位数自回归模型及在股市收益自相关分析中的应用

门限分位数自回归模型及在股市收益自相关分析中的应用 摘要：门限分位数自然回归模型是一种非限行分位数回归模型，其可以应用讨论系统之中的门限效应。并且在该模型之中，自然回归阶数以及门限值的确定等都将会为模型的分析效果带来直接的影响。本文主要对门限分位数自然回归模型以及其在股市收益中的相关应用做出分析，希望能够给予同行业的工作人员提供一定参考价值。 关键词：门限分位数；回归模型；股市收益；分析 股市收益的自相关性是金融市场研究中的一个重要问题，研究人员针对于理性预定理论提出了有效的市场假说，奠定了传统的金融学基础。有效的市场假说理论认为在一个有效的市场之中，股市的价格或者收益直接地反映了所有可能会获得的信息，过去的收益以及未来的收益并不相关，股市的收益则是不可以预测的，反而言之如果股市的收益在时间上是自相关的，那么历史收益是可以影响当前的收益的，这也直接表明了有效市场假说是难以成立的，可以采取序列自相关分析的方法，对其有效市场假说做出相应验证。 一、门限分位数自然回归模型的分析 1. 模型的表示分析 主要是记{ yt }作为其1 维响应的变量，然而x =(1,yt -1,yy

-2,…,yt -p)T 主要是为p+1为向量组成的解释变量，然而{ yt }则是为1维门限的白能量，其自然回归模型之中的门限变量通常情况下是需要相应变量{ yt }的滞后项，而γ则表示为门限，其模型如下所示： 和均值自激励门限自然回归的模型进行对比，门限分位数自回归模型存在着下述的优点：一是信息刻画更加全面，回归系数估计在不同的分位点可能存在着不同的表型，同时不同阶段的变量之间关系更加细致。二是具有比较强的稳健性，和均值自激励门限自回归模型要求误差项服从特定分布的不同，其允许误差项服从一般的非对称的分布。 2. 模型的定阶 在门限分位数自然回归之中，最优滞后阶数p的选择是十分重要的，可以通过AIC的准确去进行实现，然而定义AIC的准则则是如下所示： 可以看出，AIC主要由两个部分所组成，一是可以反映出模型的拟合程度，主要是为前半段进行表示。二是反映出模型的复杂城市，则是经过后半段进行表示。 3. 门限效应的诊断检验分析 针对于门限效应而言，其诊断检验主要是包括了以下方面的内容：第一，门限效应存在性检验，主要检验两个阶段的门限效应

Stata门限模型的操作和结果详细解读

一、门限面板模型概览 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗？在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界

值称为门限值。在上面的例子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站： https://www.sodocs.net/doc/e99187253.html,/~bhansen/progs/progs_subject.htm。 Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》，提出了时间序列门限自回归模型（TAR）的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999年的《Threshold effects in non-dynamic panels: Estimation, testing and inference》，2000年的《Sample splitting and threshold estimation》和2004年与他人合作的《Instrumental Variable Estimation of a Threshold Model》。 在这些文章中，Hansen介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方程，消除个体固定效应，然后再利用OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自举法

Stata门限模型的操作和结果详细解读(完整资料).doc

【最新整理，下载后即可编辑】 一、门限面板模型概览 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗？在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面的例子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站：

S门限模型的操作和结果详细解读

一、门限面板模型概览? 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗？在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面

的例子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站： 。 Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》，提出了时间序列门限自回归模型（TAR）的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999年的《Threshold effects in non-dynamic panels: Estimation, testing and inference》，2000年的《Sample splitting and threshold estimation》和2004年与他人合作的《Instrumental Variable Estimation of a Threshold Model》。 在这些文章中，Hansen介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方程，消除个体固定效应，然后再利用OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自举法（Bootstrap）重复抽取样本，提高门限效应的显著性检验效率。 在Hansen（1999）的模型中，解释变量中不能包含内生解释变量，无法扩展

门限回归(门槛)

门槛回归模型（阈值回归模型） （1）模型设置 Hansen(2000) 将“门槛回归”模型的基本形式定义为: i i i e x y +='1θ, q i ≤γ (1) i i i e x y +='2θ, q i >γ (2) 其中，作为解释变量的x i 是一个m 维的列向量。q i 被称为“门槛变量”，Hansen(2000)认为门槛变量既可以是解释变量x i 中的一个回归元 ,也可以作为一个独立的门槛变量。根据其相应的“门槛值”γ,可将样本分成“两类”(two regimes)。 将模型 (1) (2) 的形式改写成单一方程形式时,首先需要定义一个虚拟变量d i (γ)={q i ≤γ} ,此处{g}是一个指示函数( indicator function)，令集合x i (γ ) = x i d i (γ)。因此，模型(1) (2)可写成： i i n i i e x x y ++=)(''γδθ (3) 通过这种添加虚拟变量的方式,可知θ=θ2 ,δn =θ2-θ1。将式(3)进一步改写成矩阵形式: e +=n δX +X Y γθ (4) 此时模型中的回归参数为 (θ,δn ,γ) 。在γ给定的前提下，式(4)中的θ和δn 是线性关系。因此,根据条件最小二乘估计方法，用X γ* = [X X r ]对Y 回归，得到相应的残差平方和函数如下： Y X X X X Y Y Y S S n n ')'('')),(),(()(*1***γγγγγγδγθγ--== 估计得到的门槛值就是使S n (γ)最小的γ?。被定义为: )(min arg ?γγγn S n Γ∈= (5) 其中，Γn =Γ∩{ q 1,…,q n }。Hansen(2000) 将门槛变量中的每一观测值均作为了可能的门槛值，将满足式(5)的观测值确定为门槛值。当门槛估计值确定之后,那么其他参数值也就能够相应地确定。 2. 显著性检验 门槛回归模型显著性检验的目的是，检验以门槛值划分的两组样本其模型估计参数是否显著不同。因此，不存在门槛值的零假设为: H0:θ1 =θ2。同时构造LM 统计量： )?()?(0γ γn n S S S n L -= (6) 其中，S 0是在零假设下的残差平方和。由于LM 统计量并不服从标准的分布。因此，Hansen(2000)提出了通过“自举法”(Bootstrap )来获得渐进分布的想法，进而得出相应的概率p 值，也称为Bootstrap P 值。这种方法的基本思想是：在解释变量和门槛值给定的前提 下，模拟(Simulate) 产生一组因变量序列，并使其满足N (0 ,2 ?e )，其中e ?是式(4)的残差项。每得到一个自抽样样本，就可以计算出一个模拟的LM 统计量。将这一过程重复1000次，Hansen(1996)认为模拟产生的LM 统计量大于式(6)的次数占总模拟次数的百分比就是“自举

S门限模型的操作和结果详细解读

S门限模型的操作和结果详细解读 文件编码（008-TTIG-UTITD-GKBTT-PUUTI-WYTUI-8256）

一、门限面板模型概览？ 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍，看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到的结果有什么意义，怎么解释了，起码心里会有点印象。？ 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研究成果和研究时间存在某种正向关联。但是，这种关联是线性的吗在最初阶段，他可能看了两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础期，他的能量和成果将如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年，他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈期，文章发表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关系。这个基础期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果和时间的线性关系都不同。这个效应被称为门槛效应或门限效应。？ 门限效应，是指当一个经济参数达到特定的数值后，引起另外一个经济参数发生突然转向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面的例

子中，成果和时间存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模型，或者门限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。？ 汉森（Bruce E. Hansen）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简练，语法不复杂。有关他的论文、程序、数据可以参考Hansen的个人网站：。？ Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》，提出了时间序列门限自回归模型（TAR）的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999年的《Threshold effects in non-dynamic panels: Estimation, testing and inference》，2000年的《Sample splitting and threshold estimation》和2004年与他人合作的《Instrumental Variable E s t i m a t i o n o f a T h r e s h o l d M o d e l》。？ 在这些文章中，Hansen介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方程，消除个体固定效应，然后再利用OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自举法（Bootstrap）重复抽取样本，提高门限效应的显着性检验效率。？

门限自回归模型及其在水文随机模拟中的应用.王文圣

门限自回归模型及其在水文随机模拟中的应用* 王文圣,　袁　鹏,　丁　晶,　邓育仁 (四川大学水电学院,四川成都　610065) 摘　要:为了客观描述日流量变化的非线性特性,将一种非线性时序模型——门限自回归模型引入日流量随机模拟。根据我国金沙江流域屏山站观测资料建立了日流量随机模拟的门限自回归模型。实用性检验结果表明,该模型用于模拟日流量过程是可行的,成果实用。这种尝试为日流量随机模拟提供了一种考虑日流量非线性变化特性的新模型。 关键词:门限自回归模型;日流量随机模拟;实用性检验 中图分类号:P33;P333.6文献标识码:　B文章编号:1001-2184(2001)增-0047-04 1　引　言 日流量随机模拟利用日流量涨落的统计特性,具体说是利用日流量在时序上的统计关系。这种统计关系非常复杂,为简化处理常常以线性来表征前后日流量的关系。在一般情况下,这种简化尚能反映日流量时序变化的主要特性。所以在日流量随机模拟时,当前广泛使用线性时序模型。但是日流量在时序上的前后流量关系是非线性的。例如,对大流域一次洪水的日流量过程涨水段的下部、中部和上部有着明显不同的涨率,前后流量关系显然不是线性的;同样在落水段的下部、中部和上部有着明显不同的退水率,前后流量关系也不是线性的。因此,为更全面地反映日流量时序变化的特性,最好考虑日流量在时序变化上的非线性特性。 近来,非线性时序的分析获得了迅速的发展,并且相继出现了一系列非线性时序模型,比如门限自回归模型,双线性模型,指数自回归模型,状态依赖模型等。对双线性模型曾初步研究了在洪水模拟中应用的可能性[1]。门限自回归模型最近尝试应用于水文预报并获得较好的效果[2]。鉴于门限自回归模型在表征非线性特性上具有其独到之处,笔者将之引入日流量随机模拟并以某站日流量资料为基础,全面探讨了这种模型在日流量模拟中的可行性,模拟效果和优缺点等。 2　门限自回归模型的形式和基本特性 2.1　模型形式 门限自回归模型由汤家豪1978年提出[3],用来解决一类非线性问题。其思路是:对研究对象按照不同区间建立若干个线性时序模型;然后将这些线性时序模型组合起来描述该对象非线性时序变化特性。 对于时间序列{Z t},门限自回归模型的一般形　收稿日期:2000-08-14 *　基金项目:国家自然科学基金(49871018);高速水力学国家重点实验室开放基金资助项目(编号2008)式为: Z t U(1)0+∑ p 1 i=1 U(1)i Z t-i+E(1)t Z t-d F r1 U(2)0+∑ p 2 i=1 U(2)i Z t-i+E(2)t r1

时间序列分析第一章

1. 什么是时间序列？请收集几个生活中的观察值序列。 按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。例如我把每天的生活费记录下来；零售商把每个月的销售额记下来，重要的是时间间隔和量纲要相同。 2. 时域方法的特点是什么？ 时域分析方法具有理论基础扎实、操作步骤规范、分析结果易于解释，是时间序列分析的主流方法等特点。 3、时域方法的发展轨迹是怎样的？ 1927年,英国统计学家G. U. Yule 提出AR模型(自回归（autoregressive, AR）模型); 1931年,英国统计学家、天文学家G. T. Walker提出MA模型(移动平均（moving average, MA）模型); 1931年,英国统计学家、天文学家G. T. Walker提出ARMA模型(自回归移动平均（autoregressive moving average, AR MA）模型) 1970年,美国统计学家G.E.P.Box和英国统计学家G.M.Jenkins提出ARIMA模型(求和自回归移动平均（autoregressive integrated moving average, ARIMA）模型，又称（Box—Jenkins 模型）)出版了《Time Series Analysis Forecasting and Control》; 美国统计学家,计量经济学家Robert F.Engle在1982年提出了自回归条件异方差（ARCH）模型,用以研究英国通货膨胀率的建模问题; Bollerslov在1985年提出了广义自回归条件异方差（GARCH）模型; Nelson等人指数广义自回归条件异方差（EGARCH）模型,方差无穷广义自回归条件异方差（IEGARCH）模型,依均值广义自回归条件异方差（EGARCH-M）模型。 在非线性场合，Granger和Andersen在1978年提出了双线性模型；Howell Ttong在1978年提出了门限自回归模型（分段线性化构造）等等。 模型分类主要有单变量、同方差场合的线性模型：AR, MA, ARMA, ARIMA；异方差场合的线性模型：ARCH, GARCH, EGARCH, IGARCH, GARCH-M；多变量场合的线性模型：协整(co-integration)理论，Granger, Engle 2003Nobel奖；非线性的时间序列分析：（分段线性化）门限自回归模型。 还有时间序列分析软件SAS（Statistical Analysis System）系统专门模块：SAS/ETS(Econometric & Time Series)。

Stata门限模型的操作及结果详细解读

范文范例值得参考 一、门限面板模型概览 如果你不愿意看下面一堆堆的文字，更不想看计量模型的估计和检验原理，那就去《数量经济技术经济研究》上，找一篇标题带有“双门槛（或者双门限）”的文章，浏览一遍， 看看文章计量部分列示的统计量和检验结果。这样，在软件操作时，你就知道每一步得到 的结果有什么意义，怎么解释了，起码心里会有点印象。 一般情况下，一个研究生花费在研究上的时间越多，他的成果越丰富，也就是说，研 究 成果和研究时间存在某种正向关 联。但是，这种关联是线性的吗？在最初阶段，他可能看了 两三年的文献，也没有写出一篇优秀的文章，但是一旦过了这个基础 期，他的能量和成果将 如火山爆发一样喷涌出来，此时，他投入少量的时间，就能产出大量优质文章。再过几年， 他可能会进入另外一种境界，虽然比以前有了极大提高，但是研究进入新的瓶颈 期，文章发 表的数量减少。由此可以看出，研究成果与研究年限存在一种阶段性的线性关 系。这个基础 期的结点、瓶颈期的起点就像“门槛”一样把研究阶段分成三个部分，在不同部分，成果 和 时间的线性关系都不同。这个效应被称为门槛效应或门限效 应。 门限效应，是指当一个经济参数达到特定的数值 后，引起另外一个经济参数发生突然转 向其它发展形式的现象。作为原因现象的临界值称为门限值。在上面的例子中，成果和时 间 存在非线性关系，但是在每个阶段是线性关系。有些人将这样的模型称为门槛模 型，或者门 限模型。如果模型的研究对象包含多个个体多个年度，那么就是门限面板模型。 汉森（ Bruce E. Hansen ）在门限回归模型上做出了很多贡献。了解门限模型最好的办法，首先就要阅读他的文章。他的文章很有特点：条理很清晰，推导过程详细，语言简 练， 语法不复杂。有关他的论文、程序、数据可以 参考Hansen 的个人网站： https://www.sodocs.net/doc/e99187253.html,/~bhansen/progs/progs_subje ct.htm 。 Hansen于 1996 年在《 Econometrica 》上发表文章《 Inference when a nuisance parameter is not identifiedunder the null hypothesis 》，提出了时间序列门限自回归模 型（TAR） 的估计和检验。之后，他在门限模型上连续追踪，发表了几篇经典文章，尤其是1999 年的《Threshold effects in non-dynamic panels: Estimation, testing and inference 》，2000 年的《 Sample splitting and threshold estimation 》和 2004 年与他人合作的《Instrumental Variable Estimation of a Threshold Model 》。 在这些文章中， Hansen 介绍了包含个体固定效应的静态平衡面板数据门限回归模型，阐述了计量分析方法。方法方面，首先要通过减去时间均值方 程，消除个体固定效应，然后再利用 OLS（最小二乘法）进行系数估计。如果样本数量有限，那么可以使用自 举法 （Bootstrap ）重复抽取样本，提高门限效应的显著性检验效率。 在Hansen（ 1999）的模型中，解释变量中不能包含内生解释变量，无法扩展应用领域。

入境旅游发展论文：入境旅游发展经济增长动态面板数据门限回归模型工具变量门限效应

入境旅游发展论文：入境旅游发展经济增长动态面板数据门限回归模型工具变量门限效应 【中文摘要】第二次世界大战结束以来,随着世界经济增长尤其是一些发达国家的经济增长,世界旅游业也快速发展起来。中国的旅游业经过三十多年的高速发展,已跻身世界旅游大国的行列,入境旅游市场一直保持着稳定的增长势头。国内外学者的研究成果表明,入境旅游发展对经济增长的作用存在着两种观点:一是积极作用,二是消极作用。因此,入境旅游业发展与经济增长的关系始终是一个备受争议的话题,对于二者的关系至今仍无定论。本文在以往研究的基础上根据动态面板门限回归理论,旨在研究我国入境旅游业发展与经济增长的非线性关系,明确入境旅游发展对经济增长的动态影响作用。本文首先介绍了动态面板数据门限回归模型的混合最小二乘估计、工具变量估计等估计方法以及门限效应的自举检验步骤。然后,基于我国30个省(市、自治区)1987-2009年的面板数据,建立恰当的经济增长模型,模型中分别选取入境旅游人数增长率等四个门限变量,并引入八个控制变量。最后,在所建模型基础上,利用四个不同的门限变量对入境旅游发展与经济增长之间的非线性关系进行了实证分析,在分析的过程中通过工具变量法处理模型中存在的内生性问题,以增强估计结果的一致性与有效性。实证分析显示:(1)以入境旅游人数增长率为门限变量时,入境旅游发展与经济增长之间不存在门限效应。(2)以入境旅游收入增长率、入境旅游收入占GDP比重、入境旅游收入占

出口额比重为门限变量时,我国入境旅游发展与经济增长之间均存在显著的门限效应。(3)当入境旅游收入增长率介于40.833%-43.836%、入境旅游收入占GDP比重介于0.977%-1.231%、入境旅游收入占出口额比重介于12.268%-15.054%时,入境旅游发展对经济增长的促进作用最为明显。(4)当入境旅游收入增长率大于43.836%时,入境旅游发展能够促进经济增长,但是促进作用并不明显;当入境旅游收入占GDP 比重高于1.231%、入境旅游收入占出口额比重大于15.054%时,入境旅游发展对经济增长的促进作用不显著。综合实证分析结果,入境旅游业发展对经济增长具有促进作用,但是入境旅游业在我国还未得到长足发展。针对在分析中所显现出来的入境旅游业发展上的问题,本文尝试性提出了一些建议,为相关部门制定入境旅游业发展方面的决策提供参考,以更好的发挥入境旅游业发展对经济增长的促进作用。 【英文摘要】After the Second World War, as the economic growth in some developed countries recovery, the world tourism developed rapidly. After thirty years of rapid development , the tourism of China have a tour of the world’s major and the international tourism have been keeping a stable growth. According to the studies of foreign and domestic scholars, there are two views about the international tourism affecting economic growth, which is positive or negative. So the relationship between the international tourism and economic growth has always been a controversial topic, the research on

Stata门限模型的操作和结果详细解读

一、门限面板模型概览 如果您不愿意瞧下面一堆堆得文字,更不想瞧计量模型得估计与检验原理,那就去《数量经济技术经济研究》上,找一篇标题带有“双门槛(或者双门限)”得文章,浏览一遍,瞧瞧文章计量部分列示得统计量与检验结果。这样,在软件操作时,您就知道每一步得到得结果有什么意义,怎么解释了,起码心里会有点印象。 一般情况下,一个研究生花费在研究上得时间越多,她得成果越丰富,也就就是说,研究成果与研究时间存在某种正向关联。但就是,这种关联就是线性得吗？在最初阶段,她可能瞧了两三年得文献,也没有写出一篇优秀得文章,但就是一旦过了这个基础期,她得能量与成果将如火山爆发一样喷涌出来,此时,她投入少量得时间,就能产出大量优质文章。再过几年,她可能会进入另外一种境界,虽然比以前有了极大提高,但就是研究进入新得瓶颈期,文章发表得数量减少。由此可以瞧出,研究成果与研究年限存在一种阶段性得线性关系。这个基础期得结点、瓶颈期得起点就像“门槛”一样把研究阶段分成三个部分,在不同部分,成果与时间得线性关系都不同。这个效应被称为门槛效应或门限效应。 门限效应,就是指当一个经济参数达到特定得数值后,引起另外一个经济参数发生突然转向其它发展形式得现象。作为原因现象得临界值称为门限值。在上面得例子中,成果与时间存在非线性关系,但就是在每个阶段就是线性关系。有些人将这样得模型称为门槛模型,或者门限模型。如果模型得研究对象包含多个个体多个年度,那么就就是门限面板模型。 汉森(Bruce E、Hansen)在门限回归模型上做出了很多贡献。了解门限模型最好得办法,首先就要阅读她得文章。她得文章很有特点:条理很清晰,推导过程详细,语言简练,语法不复杂。有关她得论文、程序、数据可以参考Hansen得个人网站: 。 Hansen于1996年在《Econometrica》上发表文章《Inference when a nuisance parameter is not identified under the null hypothesis》,提出了时间序列门限自回归模型(TAR)得估计与检验。之后,她在门限模型上连续追踪,发表了几篇经典文章,尤其就是1999年得《Threshold effects in nondynamic panels: Estimation, testing and inference》,2000年得《Sample splitting and threshold estimation》与2004年与她人合作得《Instrumental Variable Estimation of a Threshold Model》。 在这些文章中,Hansen介绍了包含个体固定效应得静态平衡面板数据门限回归模型,阐述了计量分析方法。方法方面,首先要通过减去时间均值方程,消除个体固定效应,然后再利用OLS(最小二乘法)进行系数估计。如果样本数量有限,那么可以使用自举法(Bootstrap)重复抽取样本,提高门限效应得显著性检验效率。 在Hansen(1999)得模型中,解释变量中不能包含内生解释变量,无法扩展应用领域。Caner 与Hansen在2004年解决了这个问题。她们研究了带有内生变量与一个外生门限变量得面板门限模型。与静态面板数据门限回归模型有所不同,在含有内生解释变量得面板数据门限回归模型中,需要利用简化型对内生变量进行一定得处理,然后用2SLS(两阶段最小二乘法)或者GMM(广义矩估计)对参数进行估计。 当然,有关门限回归模型得最新研究,还可以参考《Inflation and Growth: New Evidence From a Dynamic Panel Threshold Analysis》(Stephanie Kremer,Alexander Bick,Dieter Nautz,2009)。 二、计量模型得假设、估计与检验 略 三、门限面板模型回归估计stata操作指南——基于王群勇xtptm程序

门限模型

（二）门限回归实例 1、到此【下载数据】。这个数据包括29个个体（省份），21个年度（ 1990-2010），是一个平衡面板数据。将数据复制粘贴到Stata数据库中。方法是：菜单栏Data>Data Editor>Data Editor (Edit)，粘贴数据，粘贴时选择“第一行设定为变量名”。 然后，在数据界面，点击保存，将数据保存到xtptm文件夹内。这样以后每次都可以直接打开这个数据文件（仍需要用cd命令指定门限程序的路径）。关闭数据编辑框，进行下面的操作。 2、设定个体与时间，如果个体名称是字符，还需要先将字符转化为数值：. encode provin , gen(prov) #将字符型的变量provin转换为数值型的变量prov . xtsetprov year #设定个体和时间分别由prov和year变量的数据表示最终数据列表如图所示。 3、执行门限回归，输入如下命令： . xtptm agg trans labor market iae, rx(tax) thrvar(year) iters(1000) trim(0.05) grid(100) regime(2) 含义： xtptm——执行门限面板回归估计 agg——被解释变量 trans、labor、market、iae——非核心解释变量（控制变量） rx(tax)——核心解释变量设定为tax thrvar(year)——门限变量设定为year iters(1000)——自举抽样1000次 trim(0.05)——分组子样本异常值去除比例为百分之五 grid(100)——将样本分成100个栅格然后取100个中间参数 regime(2)——待检验的门限值数量为两个 4、转到【回归结果说明】