Regression modelEconometrics / time series

Байесов NARDL: Нелинеен ARDL с Байесова оценка

Байесов NARDL комбинира рамката на нелинейния авторегресивен модел с разпределени лагове (Nonlinear Autoregressive Distributed Lag - NARDL) на Шин, Ю и Гринууд-Нимо (2014) с Байесов извод на апостериорното разпределение. Той моделира асиметрична дългосрочна коинтеграция — позволявайки положителните и отрицателните шокове към регресор да имат различни равновесни ефекти — като същевременно включва предварителна информация и произвежда пълни апостериорни разпределения за всички параметри, включително асиметричния праг.

Приложете с EconMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Shin, Y., Yu, B., & Greenwood-Nimmo, M. (2014). Modelling asymmetric cointegration and dynamic multipliers in a nonlinear ARDL framework. In W. C. Horrace & R. C. Sickles (Eds.), Festschrift in Honor of Peter Schmidt: Econometric Methods and Applications (pp. 281–314). Springer. link
  2. Koop, G. (2003). Bayesian Econometrics. Wiley. ISBN: 978-0470845677

Как да цитирате тази страница

ScholarGate. (2026, June 3). Bayesian Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/bg/econometrics/bayesian-nardl

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateBayesian NARDL (Bayesian Nonlinear Autoregressive Distributed Lag Model). Извлечено на 2026-06-15 от https://scholargate.app/bg/econometrics/bayesian-nardl · Набор от данни: https://doi.org/10.5281/zenodo.20539026