2.2 金融发展对就业影响的非对称性测度方法
在我国，赵进文和苏明政（2014）利用平滑转移模型，测度金融一体化程度与劳动力市场分割程度对我国省际人民币内部实际汇率与经济增长差异之间关系的影响。
另外，赵振全等（2007）基于多元门限模型，表明单纯在总量关系上讨论我国金融发展和经济增长关联性的意义并不明显，也指明在相关研究中应该更加重视金融发展作用于经济增长的途径和机制问题。
黄智淋和董志勇（2013）将CPI作为转移变量，基于门限模型，认为金融发展仅在低通货膨胀水平下有利于经济增长。
杨友才（2014）在对1987～2009年中国省级面板数据的分析和检验的基础上，将金融发展水平作为门限变量。在不同的金融发展状态下，认为这种非线性关系在东部、中部和西部地区所表现的形式也不相同，具体来说，西部地区的门限值要高于中部地区，而中部地区的门限值又高于东部地区；东部地区的金融发展对经济增长的促进作用最大，其次是中部地区，西部地区最低。而其边际效率递减特征在东部地区较为明显。而且在中西部地区，大于门限值的样本点所占比例较小，为减小区域差距，促进经济收敛，应大力提高中西部地区的金融发展水平。
以上关于金融发展对就业影响的非对称效应相关的文献中，主要采用了非线性体制转换模型等。以下对体制转换的非线性模型做具体的介绍。
体制转换的非线性回归模型简介。经济现象中的体制转换通常表现在时间和状态空间。当前主要的体制转换模型有门限模型、马尔可夫体制转换回归模型和平滑转换回归模型（STR）。本书主要关注更常用的平滑转换回归模型。
平滑转换回归模型。它认为各种体制之间的转移是平滑变化的，平滑转换回归模型适合于评价类似于货币政策的非对称性效应等。
Teräsvirta最早给出了STAR模型建模的全过程。赵进文和闵捷（2005）最早基于该模型分析了我国货币政策的非对称性。王成勇和艾春荣（2010）针对经济周期构建了LSTAR模型，并将我国经济周期划分为四个区制。
LSTAR模型建模过程如下。
基本的STAR模型可以表述为：
其中，F（γ，c；st）为满足［0，1］约束的转换函数，常用的F（γ，c；st）有logistic函数与指数函数两种形式：
F（γ，c；st）=｛1+exp［-γ（st-c）］｝-1
F（γ，c；st）=1-exp［-γ（st-c）2］
这两种形式分别对应于LSTAR模型及ESTAR模型。st为转换变量，斜率参数γ反映状态之间转移的速度，c为门限值。
Teräsvirta估计：
其中，
是yt=α′zt+vt的OLS估计值，α=（α0，α1，…，αp）′，zt=（1，yt-1，…，yt-p），βi=（βi0，βi1，…，βip）′，j=1，2，3，4。
由以下三个检验确定转移函数是Logistic形式，还是指数形式：
H03：β4j=0
H02：β3j=0|β4j=0
H01：β2j=0|β3j=β4j=0
Van Dijk等（2002）给出了选择ESTAR或者LSTAR模型的标准。
不失一般性地，假设三元的线性VAR（1）形式为：
其中yt=（y1，t，y2，t，y3，t），对应的备择假设为LSTVAR模型：
Granger等（2011）利用LM检验如下：
H0：γ=0，H1：γ＞0。
基于线性方程给出ei，t，i=1，2，3和对应的SSR0i。然后，对eit关于yit-1、styit-1回归给出SSR1i。进而得到：
LMi=T（SSR0i-SSR1i）/SSR0i
当H0成立时，LMi服从χ2（3）。
进一步，基于LR检验方法对整个系统进行检验，H0：γ=0。
令
，
，LR统计量为：
LR=T{log|Ω0|-log|Ω1|}
当H0成立时，LR渐近服从χ2（9）。