1 模型说明
在多变量门限回归模型中，解释变量中加入被解释变量的滞后项，则称为多变量门限自回归（TAR）模型!
只要数据是时间序列，就需要考虑平稳性！多变量门限自回归模型也不例外，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。
多变量门限回归要求各变量的单整阶数应小于2。
2 多变量门限自回归模型的形式
多变量门限自回归模型其实就是在门限回归的基础上，解释变量中加入了被解释变量的滞后项！且可以包含多期滞后项！
多变量门限自回归模型中也可以加入解释变量的滞后项！
多变量门限自回归模型要求各变量的单整阶数小于2！
q为门限变量，可以是变量x1t到nt到任何一个，也可以是被解释变量yt，甚至不在模型中的变量也可以是门限变量！
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 多变量门限自回归模型的应用
3.1 数据
我们仍以多变量门限回归中的例子进行演示！
3.2 录入数据
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
变量重命名，设置时间格式：
encode 月份,g(t)
tsset t
rename 百城房价均值 houseprice
rename 移动用户数 pop
3.4 平稳性检验
参考前面的内容：多变量门限回归
3.5 协整检验
参考前面的内容：多变量门限回归
3.6 门限回归
模型中加入被解释变量的滞后项：
threshold houseprice, regionvars(m2 pop l.houseprice) threshvar(m2) trim(10) nthreshold(1)
将l.houseprice加入到模型中，同时设置门限个数为1个，估计结果如下所示。
当然，也可以计其他形式的门限模型，这里不再演示！