Квантилна АРДЛ (Quantile Autoregressive Distributed Lag)
QARDL (Quantile Autoregressive Distributed Lag) комбинира квантилна регресия с ARDL моделиране за оценка на условни връзки в различни точки на разпределението, разкривайки хетерогенни краткосрочни и дългосрочни ефекти. Въведена от Koenker и Xiao (2006) и усъвършенствана от Cho et al. (2015), тя улавя как ефектът на обясняващите променливи върху резултатите варира в различните квантили, което е от съществено значение за разбирането на поведението в опашките и въздействието върху разпределението, а не само на средните ефекти.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Koenker, R., & Xiao, Z. (2006). Quantile autoregression. Journal of the American Statistical Association, 101(475), 980-990. DOI: 10.1198/016214506000000672 ↗
- Cho, J. S., Kim, H., & Shin, Y. (2015). Quantile cointegration in the autoregressive distributed-lag modeling framework. Journal of Econometrics, 188(1), 281-300. DOI: 10.1016/j.jeconom.2015.05.003 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Quantile Autoregressive Distributed Lag. ScholarGate. https://scholargate.app/bg/econometrics/qardl
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Напречно селективен АРДЛИконометрия↔ сравняване
- Междусекционен NARDLИконометрия↔ сравняване
- Квантилна регресия по метода на моментитеИконометрия↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →