admin 管理员组

文章数量: 887021


2024年2月7日发(作者:java项目如何jar依赖)

Hansen_ - Printed on 2012-7-1 21:26:471

2 * -----------------------------------------3 * -----------------------------------------4 *5 * Stata 学术论文专题6 *7 * -----------------------------------------8 * -----------------------------------------9

10

11 * 主讲人:连玉君 副教授12 *13 * 单 位:中山大学岭南学院金融系14 * 电 邮: arlionn@15 * 博 客: /arlion

16 * 主 页:/tRXba

17 * 微 博:/arlionn

18

19

20 *-面板门槛模型21 *----------------------------------------------22 * Hansen, B., 1999.

23 * Threshold effects in non-dynamic panels:

24 * Estimation, testing, and inference.

25 * Journal of Econometrics, 93(2):345-368.26 *----------------------------------------------27

28

29 *-主要方法30 *- Panel Threshold Model: xtthres31 *- Bootstrap32 *- FE (Fixed Effect Model): xtreg, fe33

34 globalpath"`c(sysdir_personal)'PX_papers"//定义课程目录

35

36 cd"$pathHansen_1999"// 进入本讲目录37 adopath+"$pathadofiles"// 自编程序

38

39

40 *-原始论文41 shellout"$pathRefsHansen_"42

43 *-中文介绍44 shellout"$pathRefs连玉君_08_Panel_"45

46

47

48

49 *--------------------50 *-> 面板门槛模型51 *--------------------52

53 *-----------54 *-1.1 简介55

56 *--------57 *-1.1.1 结构突变问题58

59 *---------------------60 *-结构变化问题非常普遍61

62 *-人力资本与经济增长 _| 型, 扁 S 型63

64 *-第一大股东持股比例与公司价值 倒 U 型65

66 *-资本结构与公司价值 倒 U 型67

68 *---------------Page 1 ~73~

Hansen_ - Printed on 2012-7-1 21:26:4769 *-典型的处理方法70

71 * 加入解释变量的二次项,如 reg y x x^2

72

73 * 加入虚拟变量和交乘项,如 reg y x d d*x (d=1 if top1>0.5)74

75 * 分组回归76

77 *-----------78 * 存在的问题:x 与 x^2 往往是高度共线性的;79 * 如何确定分组界点?错误的界点会导致严重的偏误80

81

82 *--------83 *-1.1.2 面板门槛模型的设定84

85 shellout"$pathRefsHansen_"86

87 * { u[i] + b1*X[it] + e[it] if q[it]<=gamma88 * y[it] = { (1)89 * { u[i] + b2*X[it] + e[it] if q[it]> gamma90 *91 *- y[it] -- 被解释变量92 *- X[it] -- 解释变量93 *- q[it] -- 门槛变量94

95 *------------96 *-Key points:97 *98 * (1) gamma 是未知的, 将通过数据的特征自动估计出来;99 * (2) 可以很方便地扩展多多个门槛的情形100

101 *-另一种表述方式:102 *103 * y[it] = u[i] + b1*X[it]*I(q[it]<=gamma) (2)104 * + b2*X[it]*I(q[it]>gamma) + e[it]

105

106 *-估计方法:107 * 在样本区间内遍试所可能的 q[it] 值,拟合的最好的就是所需的届点108 *109 *-检验方法:110 * Bootstrap,因为在原假设下,参数 gamma 是未知的;111 * 详见: Stata 高级视频, B9_MC_112 *113 *-命令: xtthres 和 xttr_graph114

115 *-------------116 *-1.1.3 应用

117

118 *-连玉君, 程建.119 * 不同成长机会下资本结构与经营绩效之关系研究, 当代经济科学, 2006年02期.

120

121 *-李平,许家云.

122 * 国际智力回流的技术扩散效应研究——基于中国地区差异及门槛回归的实证分析.

123 * 经济学(季刊). 2011年3期

124

125 *-李梅,柳士昌126 * 对外直接投资逆向技术溢出的地区差异和门槛效应127 * 管理世界. 2012年第1期128

129 *-刘胜强,刘星.

130 * 董事会规模对企业R&D投资行为的门槛效应分析.

131 * 预测. 2010年6期

132

133

134

135 *--------------136 *-1.2 估计方法: 一份模拟的数据Page 2 ~74~

Hansen_ - Printed on 2012-7-1 21:26:47137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

Page 3*---------------*-模拟数据的生成:单一门槛*-模拟方法详见: Stata 高级视频, B9_MC_rsetobs100setseed123456gene=invnorm(uniform())// e~N(0,1)genx=3*invnorm(uniform())// x~N(0,3^2)gent=_n// t=1,=.tssettreplacey=1+2*x+ereplacey=1+-2*x+eift>50savextthres_,replace*-------------*-基本统计分析scatterytscatteryxregestregestregestyxstorefullyxift<=50storeleftyxift>50storerightlocalm"full left right"esttab`m',mtitle(`m')*--------------*-虚拟变量回归:Chow Test 的基本思想

*-如果知道断点 在 t=50gend=(t>50)genxd=x*dregyxxdeststoretrue50*-如果不知道断点

gengenregestgengenregestgengenregestgengenregestd10=(t>10)xd10=x*d10yxxd10storet10d20=(t>20)xd20=x*d20yxxd20storet20d30=(t>30)xd30=x*d30yxxd30storet30d60=(t>60)xd60=x*d60yxxd60storet60// 假设 t=10// 假设 t=20// 假设 t=30// 假设 t=60localm"full t10 t20 t30 true50 t60"esttab`m',mtitle(`m')s(r2rssll)nogapcompress ~75~

Hansen_ - Printed on 2012-7-1 21:26:47205

206

207

208

209

210

211

212

213

214

215

216

217

218

219

220

221

222

223

224

225

226

227

228

229

230

231

232

233

234

235

236

237

238

239

240

241

242

243

244

245

246

247

248

249

250

251

252

253

254

255

256

257

258

259

260

261

262

263

264

265

266

267

268

269

270

271

272

Page 4*-评论:* (1) 在 t=50 处,RSS 是最小的,LL 和 R2 都是最大的* (2) 在 t!=50处,模型的参数估计偏差很大,* 这意味着传统的估计方法可能存在严重偏误(事先指定断点位置)* 当然,离 t=50 越近,RSS 也越小,这对建模有一定的启示* (3) 更为合理的方法?*-------------------*-网格搜索结构突变点genrss=.forvaluesi=5/95{gendi=(t>`i')genxdi=x*diquiregyxxdiquireplacerss=e(rss)in`i'dropdixdi}sortrsslistrsstin1/5*-图示

linersst,xline(50,lp(dash)lw(thick))///lw(thick)xlabel(0(10)100)sort*-----------*-两个突变点*-生成模拟数据clearsetseed1357// 种子值,只是为了保证结果可重现setobs2000gent=_n// t=1,=invnorm(uniform())ift<=100// e~N(0,1)genx=3*invnorm(uniform())ift<=100// x~N(0,3^2)

geny=.tssettreplacey=1+2*x+eift<=100replacey=1+-2*x+eift>30&t<=60replacey=1+4*x+eift>60&t<=100savextthres_,replace// 保存一份模拟数据scatteryxscatterytift<=100// 看不出规律twoway(lfityxin1/30)(scatteryxin1/30)///(lfityxin31/60)(scatteryxin31/60)///(lfityxin61/100)(scatteryxin61/100),///legend(off)*-搜索一下timerclear1timeron1// 开始记录用时genrss=.forvaluesi=15/95{// 只是为了节省搜索时间forvaluesj=55/75{qui{gend1=(t>`i')genxd1=x*d1gend2=(t>`j'&t!=`i')genxd2=x*d2quiregyxxd1xd2quireplacerss=e(rss)in`i' ~76~

Hansen_ - Printed on 2012-7-1 21:26:47273

274

275

276

277

278

279

280

281

282

283

284

285

286

287

288

289

290

291

292

293

294

295

296

297

298

299

300

301

302

303

304

305

306

307

308

309

310

311

312

313

314

315

316

317

318

319

320

321

322

323

324

325

326

327

328

329

330

331

332

333

334

335

336

337

338

339

340

Page 5dropd1xd1d2xd2}dis"x"_c}}timeroff1// 结束记录用时timerlist1*-Q1: 一共需要循环多少次?*-Q2: 有没有更好的搜索方法? K^2 --> 2*K

sortrsslistrsstin1/10,clean*-图示

linersstift<100,xline(3060,lp(dash)lw(thick))///xlabel(0(30)90)lw(thick)sort*-------------*-优化搜索方法*-思路:先搜索第一个门槛 t1;* 固定第一个门槛 t1, 搜索第二个门槛 t2;* [可选]固定第二个门槛,重新搜索第一个门槛 t1_new;* 可以重复上述过程 2-3 次,即可确定最终的门槛值。usextthres_,clearkeepin1/100*-Step1: 搜索第一个门槛值dropvarsrss1genrss1=.// 记录第一轮的 RSS

forvaluesi=5/95{dropvarsdixdiquigendi=(t>`i')quigenxdi=x*diquiregyxxdiquireplacerss1=e(rss)in`i'dis"."_c}sortrss1globalt1=t[1]// rss 最小值对应的 t 值linerss1t,lw(thick)xlabel(0(30)90)///xline(60,lp(dash)lc(red))sort*-Step2: 搜索第二个门槛值(固定住第一个门槛)sortt// 这一步很重要,保证了 rss 与 t 对应dropvarsrss2genrss2=.// 记录第一轮的 RSS

forvaluesi=5/95{qui{dropvarsd1d2xd1xd2localt_left=min(`i',$t1)localt_right=max(`i',$t1)*gen d1 = (t>`i')*gen d2 = (t>$t1&t!=`i')gend1=(t<`t_left')gend2=(t>`t_left')&(t<`t_right')genxd1=x*d1genxd2=x*d2regyxxd1xd2replacerss2=e(rss)in`i'dis"0"_c}}sortrss2globalt2=t[1]// 第二个门槛值 ~77~

Hansen_ - Printed on 2012-7-1 21:26:47341 linerss2t,lw(thick)xlabel(0(30)90)sort342

343 *-Step3: 重新搜索第一个门槛值(固定住第二个门槛)344 sortt345 dropvarsrss3346 genrss3=.// 记录第一轮的 RSS

347 forvaluesi=5/95{348 qui{349 dropvarsd1d2xd1xd2350 localt_left=min(`i',$t2) // 注意此处的变化351 localt_right=max(`i',$t2)352 gend1=(t<`t_left')353 gend2=(t>`t_right')354 genxd1=x*d1355 genxd2=x*d2356 regyxxd1xd2357 replacerss3=e(rss)in`i'358 dis"+"_c359 }360 }361 sortrss3362 globalt12=t[1]// 更新后的第一个门槛值363 linerss3t,lw(thick)xlabel(0(30)90)///364 xline(60,lp(dash)lc(red))sort365

366

367 *-三次搜索过程重现368 localopt"lw(thick) sort"369 twoway(linerss1t,sortlw(*1.3))///370 (linerss2t,sortlw(*1.5))///371 (linerss3t,sortlw(*2.0)),///372 xline(3060,lp(dash)lc(blue))///373 legend(row(1))xlabel(0(30)90)374

375 *-Q1:从 Step1 到 Step3,一共搜索了多少次?376

377 *-评论:378 * (1) 对于大样本而言,上述方法仍然非常耗时;379 * Hansen(1999, p.349)建议如下:380 * 只搜索门槛变量 q[it] 中的非重复值;381 * 对这些非重复值排序,在[1%th, 99%th]区间内搜索382 * 如果需要搜索的格点仍然很多,可以在上述区间内仅搜索特定的百分位数383 * 如,{1.00%, 1.25%, 1.50%, 1.75%, 2%,2,99.0}384 * (2) 为了保证每个区间内都有足够的样本数,q[it] 的最大值和最小值385 * 不能过于靠近两端;386

387

388

389

390

391 *---------------392 *-1.3 假设检验393

394 *-检验 1:是否存在门槛效应?(以单一门槛为例)395

396 * { u[i] + b1*X[it] + e[it] if q[it]<=gamma397 * y[it] = { (1)398 * { u[i] + b2*X[it] + e[it] if q[it]> gamma399 *400 *- y[it] -- 被解释变量401 *- X[it] -- 解释变量402 *- q[it] -- 门槛变量

403

404 *-H0: b1=b2 ; H1: b1!=b2405 *406 * So - S1(gamma)407 * F = ------------------ True value: F0408 * sigma^2Page 6 ~78~

Hansen_ - Printed on 2012-7-1 21:26:47409

410

411

412

413

414

415

416

417

418

419

420

421

422

423

424

425

426

427

428

429

430

431

432

433

434

435

436

437

438

439

440

441

442

443

444

445

446

447

448

449

450

451

452

453

454

455

456

457

458

459

460

461

462

463

464

465

466

467

468

469

470

471

472

473

474

475

476

Page 7**- So: 不存在门槛效应时的 OLS 残差平方和,reg y x --> e --> SUM e^2*- S1: 存在门槛效应时的 OLS 残差平方和, reg y x xd --> e --> SUM e^2*- sigma^2 = S1/[n(T-1)]*-Bootstrap 步骤* 1. Bootstrap the sample with replace; (以公司为单位)* 2. Use the BS sample, 分别估计 H0 和 H1 下的模型,计算 F 统计量,* 3. 重复第一步和第二步 K=1000 次,得到 Fj = F1, F2, F3, ..., F1000* 4. 经验 p 值 = (Fj 大于 F0 的次数)/抽样次数usextthres_,clear*--------*-Step 1: 计算F真实值*--------preserve*-1- 估计线性模型(无门槛),记录 S0quiregyxlocalS0=e(rss)*-2- 估计单一门槛模型,记录 S1(gamma=50)tempvardxdgen`d'=t>50gen`xd'=x*`d'quiregyx`xd'localS1=e(rss)localsigma2=`S1'/(100-1)// N-1=100-1*-3- 计算 F 值globalF0=(`S0'-`S1')/`sigma2'dis"F_true = "iny$F0restore*--------*-Step 2: Bootstrap*--------globalreps=99// bootstrap 次数genF=.// 记录 Bootstrap 得到的 F 值dis_ning"STATA 自抽样中,请等待 ... ..."_n// 纯属娱乐forvaluesj=1/$reps{qui{preservebsample// Bootstrap 抽样*-计算F值*-1- 估计线性模型(无门槛),记录 S0quiregyxlocalS0=e(rss)*-2- 估计单一门槛模型,记录 S1(gamma=50)*-2.1-搜索门槛值genrss=.forvaluesi=5/95{gendi=(t>`i')genxdi=x*diquiregyxxdiquireplacerss=e(rss)in`i'dropdixdi}sortrsslocalgamma=t[1]// 找到了门槛值*-2.2-估计单一门槛模型,计算 BS 样本的 S1gend=t>`gamma'genxd=x*dregyxxdlocalS1=e(rss)*-2.3-计算 F 值localF=(`S0'/`S1'-1)*(100-1)restorereplaceF=`F'in`j'// 记录第 j 轮循环的 F 值}// over qui ~79~

Hansen_ - Printed on 2012-7-1 21:26:47477

478

479

480

481

482

483

484

485

486

487

488

489

490

491

492

493

494

495

496

497

498

499

500

501

502

503

504

505

506

507

508

509

510

511

512

513

514

515

516

517

518

519

520

521

522

523

524

525

526

527

528

529

530

531

532

533

534

535

536

537

538

539

540

541

542

543

544

Page 8disiny"+"_c}// over reps*--------*-Step 3: 计算“经验 p 值”

*--------dis"$F0"countifF>$F0&F!=.localp_value=r(N)/$reps

dis"Empirical p-value = "`p_value'*-检验 2:门槛值是否等于真实值?*-H0: gamma_hat = gamma0 (Hansen,1999, p.351)*-LR test* S1(gamma) - S1(gamma_hat)* LR(gamma) = ---------------------------

* sigma^2*-Note: gamma_hat 是估计出来的门槛值;* gamma 是其他可能的门槛值;*-关键点:构造非拒绝域*-临界值:Hansen(1999, Eq.15)** c(a) = -2log[1-sqrt(1-a)] a 为显著水平,如 5%, 10%*-=0.05// 5% 显著水平localc5=-2*ln(1-sqrt(1-`a'))dis"5% 临界值 = "`c5'usextthres_,cleargenS1=.// S1(gamma)forvaluesi=5/95{// Note: i=gammagendi=(t>`i')genxdi=x*diquiregyxxdiquireplaceS1=e(rss)in`i'dropdixdi}sorttglobalS1_hat=S1[50]// S1(gamma_hat), gamma_hat=50dis"S1_hat = "$S1_hatglobalsigma2=$S1_hat/(100-1)genLR=(S1-$S1_hat)/$sigma2 // LR valueglobalc5=-2*ln(1-sqrt(1-0.05))// 5% 临界值*-图示

lineLRt,xline(50,lp(dash)lw(*1.3)lc(red))///yline($c5,lp(dat) lw(*1.5) lc(blue)) ///lw(thick)xlabel(0(10)100)sort*-5% 置信区间sortLRlistLRifLR<=$c5 ~80~

Hansen_ - Printed on 2012-7-1 21:26:47545 *----------------------------------------546 *-1.4 范例 A:采用 xtthres 命令进行估计547

548 helpxtthres// Panel Threshold model 估计程序549 whichxtthres// 查看命令的存储位置和提示信息550 // 编辑源程序文件551

552 helpxttr_graph// 绘图程序553 whichxttr_graph554

555

556 *---------------------------------begin----------------557 caplogclose558 logusingxtthres_test01,textreplace559

560 *-1- 生成数据561

562 clear563 localN=40564 localT=5565 localNT=`N'*`T'566 setobs`NT'567 setseed13579// 种子值568

569 *-产生截面和年度标示

570 egenid=seq(),from(1)to(`N')block(`T')571 sortid572 byid:genyear=_n+2000573 tssetidyear574

575 *-产生个体效应576 genui_1=invnorm(uniform())ifyear==2001577 bysortid:genui=ui_1[1]//个体效应不随时间改变578 dropui_1579

580 *-产生干扰项和x581 gene=invnorm(uniform())// e~N(0,1)582 genx=3+10*invnorm(uniform())// x~N(3,10^2)583

584 *-产生门槛变量585 genq=uniform()// [0,1] 均匀分布586

587 *-产生 y588 geny=.589 replacey=ui+2*x+eifq<0.3590 replacey=ui+8*x+eifq>=0.3&q<0.6591 replacey=ui+12*x+eifq>=0.6592

593 *-保存一份数据594 savextthres_sim_xt,replace595

596 *-Note: 两个门槛,gamma1=0.3, gamma2=0.6597

598 *-2- 使用 xtthres 命令进行估计

599 usextthres_sim_,clear600 setseed1357911601 xtthresy,thres(q)dthres(x)bs1(30)bs2(30)bs3(20)602

603 *-3- 绘图604 xttr_graph// 第一轮搜索结果605 graphexportFigsxtthres_,replace606 xttr_graph,m(22)white// 第二轮,搜索第二个门槛,黑白图片607 graphexportFigsxtthres_,replace608 xttr_graph,m(21)// 第二轮,重新搜索第一个门槛609 graphexportFigsxtthres_,replace610 xttr_graph,m(3)// 第三轮,第三个门槛611 graphexportFigsxtthres_,replace612

Page 9 ~81~

Hansen_ - Printed on 2012-7-1 21:26:47613 *-4- 呈现估计结果614 localq1=e(rhat21)// 取出门槛值615 localq2=e(rhat22)616 gend1=(q<=`q1')// 生成虚拟变量617 gend2=(q>`q2')618 genxd1=x*d1// 交乘项619 genxd2=x*d2620 xtregyxxd1xd2,fe// 常规标准误621 eststorefe622 xtregyxxd1xd2,ferobust// 稳健型估计623 eststorefe_robust624 localm"fe fe_robust"625 esttab`m',mtitle(`m')nogaps(r2r2_wNF)///626 star(*0.1**0.05***0.01)627

628 logclose629 *---------------------------------over----------------630

631 shelloutxtthres_// 日志文件632

633

634

635

636

637 *----------------------------------638 *-1.5 范例 B:Hansen 论文中的结果639

640 shellout"$pathRefsHansen_"641

642 *--------------------------------- begin -------------643 caplogclose644 logusingxtthres_Hansen99,textreplace645 clearall646 setmemory200m// 设定分配给 Stata 的内存空间647 setmatsize8000648 usehansen1999,clear// 调入 Hansen99 数据649 setseed1357911// 第 648-651 行只是为了减少样本数,节省时间

650 genu=uniform()651 bysortid:egenmu=mean(u)652 sortmu653 ordermu654 keepifmu<0.6// 随机抽取一些样本655

656 *-Table 1: Summary statistics657 tabstatiq1c1d1,s(minp25p50p75max)///658 format(%6.3f)c(s)659

660 *-Estimating661 xtthresiq1q2q3d1qd1,th(d1)d(c1)///662 min(120)bs1(3)bs2(3)bs3(2)663

664 *-Graphing665 xttr_graph666 graphexportFigsHansen_,replace667 xttr_graph,m(22)668 graphexportFigsHansen_,replace669 xttr_graph,m(21)670 graphexportFigsHansen_,replace671 logclose672 *--------------------------------- over --------------673

674 shelloutxtthres_// 查看日志文件675

676 *-几点说明:677 * (1) 当样本数较大时,需要慎重设定 xtthres 命令中的 minobs() 选项,678 * 以保证每个区间内都有较多的样本可参与估计,679 * 否则搜索出的门槛值将位于两端;680 * 同时,可以通过改变该选项中的数值,来检验结果的稳健性;Page 10 ~82~

Hansen_ - Printed on 2012-7-1 21:26:47681 * (2) 在初步分析过程中,可设定较小的 bs1(3) bs2(3) bs3(3) 值,682 * 以便节省时间,等模型设定稳定后,在设定较大的 bs 次数;683 * (3) 在发表论文过程中,一定要先设定 set seed #, 即种子值,684 * 这样以来,当杂志社需要提供实证结果时,可以保证一致性;685 * (4) 门槛变量也可以出现在解释变量中

686

687

688

689

690 *----------------------------------691 *-1.6 范例 C:资本结构与公司业绩692

693 shellout"$pathRefs连玉君_2006_"694

695 *---------696 *-模型设定697

698 * Tobin[it] = u[i] + b0*X[it]

699 * + b1*d[it]*I(g[it]<=gamma)700 * + b2*d[it]*I(g[it]>gamma) + e[it]701

702 *-----703 *-估计

704

705 *--------------------------------- begin -------------706 caplogclose707 logusingxtthres_Lian2006,textreplace708 usextthres_,clear// 调入 Lian2006 数据709 tssetidyear710

711 *-0- Summary Statistics712 localx"tobin tl size tang tshr prof grow"713 tabstat`x',s(meansdminp25p50p75max)///714 format(%6.3f)c(s)715

716 *-1- Estimating717 setseed1357911718 xtthrestobinsizetangtshrprof,thres(grow)dthres(tl)///719 min(50)bs1(3)bs2(3)bs3(3)720 *-Note: 这里为了节省时间,设定了 bs1(3) bs2(3) bs3(3)721 * 实际分析过程中,要设定 bs1(500) bs2(500) bs3(300)722

723 *-2- Graphing724 xttr_graph725 graphexportFigsLian06_,replace726 xttr_graph,m(22)727 graphexportFigsLian06_,replace728 xttr_graph,m(21)729 graphexportFigsLian06_,replace730

731 *-3- 估计结果732 dise(rhat21)733 dise(rhat22)734 globalq1=min(e(rhat21),e(rhat22))// 取出门槛值735 globalq2=max(e(rhat21),e(rhat22))736 dis"$q1"// 较小的门槛值737 dis"$q2"// 较大的门槛值738 dropvarsd1d2tl_x_*739 gend1=(grow<=$q1) // 生成虚拟变量740 gend3=(grow>$q2)741 gentl_x_grow1=tl*d1// 交乘项742 gentl_x_grow3=tl*d3743 localx"size tang tshr prof"// 解释变量744 xtregtobin`x'tl_x_grow*tl,fe// 常规标准误745 eststorefe746 xtregtobin`x'tl_x_grow*tl,ferobust// 稳健型标准误747 eststorefe_robust748 localm"fe fe_robust"Page 11 ~83~

Hansen_ - Printed on 2012-7-1 21:26:47749

750

751

752

753

754

755

756

757

758

759

760

761

762

esttab`m',mtitle(`m')nogaps(r2r2_wNF)///star(*0.1**0.05***0.01)///order(`x'tl_x_grow1tltl_x_grow3)logclose*--------------------------------- over --------------shelloutxtthres_// 查看日志文件*-Note:* (1) 修改 minobs() 选项的取值,如 min(30), min(150)* 看看结果有何变化? 有何启示?* (2) 设定 bs1(500) bs2(500) bs3(300), 看看结果有和差异?Page 12 ~84~


本文标签: 门槛 估计 搜索