1 模型说明
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
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
自激励门限模型：
threshold houseprice, regionvars(m2 pop) threshvar(l.houseprice) trim(10) nthreshold(1)
被解释变量的滞后项l.houseprice作为门限变量，同时设置门限个数为1个。估计结果如下图所示：
自激励自回归门限模型：
threshold houseprice , regionvars(m2 pop l.houseprice) threshvar(l.houseprice) trim(10) nthreshold(1)
被解释变量的滞后项l.houseprice作为门限变量，同时被解释变量的滞后项l.houseprice加入模型中，设置门限个数为1个。估计结果如下图所示：
时间序列门限回归的形式众多，但最根本的目的还是要服务于经济理论！