1 自激励门限回归模型概述
在多变量门限回归模型中，如果门限变量是被解释变量的滞后项，则称为自激励门限回归(SETR)模型!
只要数据是时间序列，就需要考虑平稳性！自激励门限回归模型也不例外，如果变量都是平稳的，可以直接建立多变量门限模型。如果变量不平稳但是存在协整关系，是否能建立门限回归还存在争议，因为变量之间的协整关系是在整个样本区间成立的，而门限回归则把样本分为了不同区间，不同样本区间内变量之间的协整关系可能会受到冲击。
自激励门限回归可以仅包含变量的当期值，也可以包含变量的滞后期，但如果模型中存在变量的滞后期，那么各变量的单整阶数应小于2。
2 自激励门限回归的形式
自激励门限回归模型其实就是在门限回归的基础上，被解释变量的滞后项作为门限变量！
自激励门限回归模型中的解释变量中也可以加入被解释变量的滞后项，此时模型变为自激励门限自回归（SETAR）模型！
自激励门限回归模型中也可以加入解释变量的滞后项！
自激励门限回归模型中如果有变量的滞后项，那么要求各变量的单整阶数小于2！
被解释变量的滞后项yt-i为门限变量！
γ为门限值。
x1t为受门限影响的变量，其在门限两侧的系数分别为δ1和δ2，除此之外，变量yt-1、x2t到nt也可以受到门限变量的影响（需要自己根据需求来设置）。
3 自激励门限回归的应用
我们仍以多变量门限回归中的例子进行演示！
在门限回归模型估计结果窗口中，点击上方的Estimate，重新进行估计设置窗口；
在Equation Estimation窗口的Equation specification中加入被解释变量的滞后项：houseprice houseprice(-1) m2 pop；
List of non-threshold regressors中留空；
Threshold variable specification中输入1(表示被解释变量滞后1期作为门限变量)，点击确定进行估计。
在估计结果窗口中可以发现，houseprice(-1)有二个门限值，将样本分成三个区间个。
三个区间中，houseprice(-1)、M2和POP变量的系数基本都显著，与多变量门限自回归模型中选择的最优模型相比，R-squared有所下降，AIC和SC有所上升，故该模型效果不如多变量门限自回归模型中选择的最优模型。
在门限回归模型估计结果窗口中，点击上方的Estimate，重新进行估计设置窗口；
在Equation Estimation窗口的Equation specification中加入被解释变量的滞后项：houseprice houseprice(-1) m2 pop；
List of non-threshold regressors中留空；
Threshold variable specification中输入1 4(表示被解释变量滞后1期到4期作为门限变量的可选范围，EViews自动确定最优的门限变量)，点击确定进行估计。
在估计结果窗口中可以发现，EViews最终选择了houseprice(-4)作为门限变量！
houseprice(-4)有三个门限值，将样本分成四个区间个。 四个区间中，houseprice(-1)、M2和POP变量的系数都显著，与多变量门限自回归模型中选择的最优模型相比，R-squared、AIC和SC的值相差不大。因而，两个模型都可以！
最终，通过多变量门限回归、多变量门限自回归、多变量自激励门限回归三个模型的分析，关于房价、M2和人口的关系的实证最终选择了多变量门限自回归或多变量自激励门限自回归的形式！
接下来，需要根据经济理论对模型进行解释，如果实证模型与经济理论相悖，那么就需要重新替换变量，重新确定门限模型形式！