Устойчив модел на неавторегресивни разпределени лагове (Robust NARDL)
Robust NARDL съчетава рамката за асиметрична коинтеграция на Shin, Yu и Greenwood-Nimmo (2014) с устойчива на отклонения оценка. Той разлага регресора на положителни и отрицателни частични суми, тества за асиметрични дългосрочни връзки чрез тест за граници и заменя критерия на най-малките квадрати (OLS) с M- или MM-оценител, за да предпази от точки с голямо влияние и адитивни отклонения, често срещани в макроикономически и финансови времеви редове.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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 (pp. 281–314). Springer. DOI: 10.1007/978-1-4899-8008-3_9 ↗
- Autoregressive distributed lag. Wikipedia. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Robust Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/bg/econometrics/robust-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.
- ARDL Bounds TestИконометрия↔ compare
- Метод на най-малките квадрати (МНК)Иконометрия↔ compare
- Квантилна регресияИконометрия↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →