面板数据的门槛|门限效应检验、阈值确定、回归结果解释

写在前面

up学习是参照一个B站大美女:传送门面板数据的门槛|门限效应检验、阈值确定、回归结果解释_第1张图片
这里做笔记总结,勿cue

1.为什么是门槛模型

  • 这玩意是针对非线性的
  • 举个例子
    打LOL,最开始接触的时候,是新手训练营,你需要画大量的时间去学习如何行走、控制角色、熟悉英雄的技能,这一段时间是很慢的,还是很菜。
    当过了这一节点,你会发现你突然变得很NB,于是你开始打排位,在青铜-白银-黄金-铂金-钻石随便乱杀,段位几天就上去了。
    但是到了钻石,你就发现了你遇到了瓶颈,花了半个月还是在钻石1和宗师之间上上下下,没有突破。这就是门限效应
    面板数据的门槛|门限效应检验、阈值确定、回归结果解释_第2张图片

就像sigmoid激活函数。

2.stata实现面板数据的门槛|门限效应检验、阈值确定、回归结果解释_第3张图片

3.结果解释

1.决定几重门槛效应

面板数据的门槛|门限效应检验、阈值确定、回归结果解释_第4张图片
注意看这里的P值,原假设都是不存在n重门槛值,备择假设是存在n重门槛值,single \ double \ triple表示几重。图片展示的结果,表明我们需要用三重门槛效应。

2.看门槛值

面板数据的门槛|门限效应检验、阈值确定、回归结果解释_第5张图片
Th-1 表示单一门槛时候的值
Th-3表示第一门槛值 65.21
Th-21表示 表示第二门槛值86.34
Th-22表示第三门槛值,87.89注意: Th-22没有上下限,表示这个模型并不适合做门槛效应,即使第一步都通过了。

  • 注意,门槛值不是按照Th-x来看,需要自己对三个系数进行大小排序,从小到大,分别是第一、第二、第三门槛值。

如果想做!!那就调!!
比如缩尾、矫正数据、改变P值、降门槛等

3.看固定效应的回归结果

如果12两步都通过了,
面板数据的门槛|门限效应检验、阈值确定、回归结果解释_第6张图片
这里的0\ 1\ 2 表示的分别是,小于第一门槛值,介于第一门槛和第二门槛值,大于第二门槛值。看X2的系数,发现系数大小先增加,后减小,过大过小的门槛值,都会减小对被解释变量的作用力度。

你可能感兴趣的:(回归,数据挖掘,人工智能)