1 模型说明
门限自回归模型（TAR）是单变量时间序列模型中自回归模型（AR）对应的非线性模型。
值得注意的是单变量时间序列中的ARMA模型并没有对应的非线性模型！
只要数据是时间序列，就需要考虑平稳性！门限自回归模型也不例外！
2 门限自回归模型的形式
yt-1为门限变量，虽然y的其他滞后项也可以为门限变量，但一般在单变量自回归模型中门限变量一般就只用yt-1；
γ为门限值。
yt-1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，y的其他滞后项也可以受到门限变量的影响。
3 门限自回归模型的应用
3.1 数据
我们仍以ARMA模型中的shibor例子进行展示。
3.2 录入数据
打开shibor的Excel数据文件，选择前两列数据；
打开数据编辑窗口，将数据从Excel中复制到Stata，注意粘贴时选择“将第一行作为变量名”。
3.3 数据预处理
设置时间变量：
encode 日期,g(t)
tsset t
重命名shibor变量：
rename on shibor
3.4 平稳性检验
参考前面内容：ARMA模型
3.5 估计TAR模型
单门限：
threshold shibor l2.shibor, regionvars(l.shibor) threshvar(l.shibor) trim(10) nthresholds(1)
threshold命令中，regionvars()中为受门限影响的变量，threshvar()中为门限变量，trim()中为去除首尾边界的样本占比，nthresholds()中为门限的个数。本例中解释变量为l.shibor和l2.shibor，其中，l.shibor受门限变量影响，l2.shibor不受门限变量影响。门限变量为l.shibor，门限个数为1个。
估计结果中，门限值为2.1890，小于门限值时l.shibor的估计值为0.7237199，显著；大于门限值时l.shibor的估计值为1.221279，显著。AIC的值为-538.5974。
双门限：
threshold shibor l2.shibor, regionvars(l.shibor) threshvar(l.shibor) trim(10) nthresholds(2)
虽然双门限中三个区间l.shibor的值均显著，但是AIC的值低于单门限，所以单门限模型更优！
自动选择最优模型：
threshold shibor l2.shibor, regionvars(l.shibor) threshvar(l.shibor) trim(10) optthresh(3)
optthresh()中输入需要自动选择的最大的门限数
在估计结果中，可以看书，模型自动选择了0个门吸。当然，程序自动选择的门限仅仅根据BIC来判断。如果我们根据经济理论认为存在1门限，此时，只要门限的估计结果均显著，依然可以选择1个门限的模型！