Kvantil-ARDL
QARDL (Quantile Autoregressive Distributed Lag) kombinerer kvantilregression med ARDL-modellering for at estimere betingede relationer på forskellige punkter i fordelingen, hvilket afslører heterogene kortsigtede og langsigtede effekter. Introduceret af Koenker og Xiao (2006) og forfinet af Cho et al. (2015) fanger den, hvordan effekten af forklarende variabler på resultater varierer på tværs af kvantiler, hvilket er essentielt for at forstå haleforhold og fordelingsmæssige påvirkninger frem for blot gennemsnitlige effekter.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Quantile Autoregressive Distributed Lag. ScholarGate. https://scholargate.app/da/econometrics/qardl
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.
- Kryds-sektionel ARDLØkonometri↔ compare
- Kryds-sektionel NARDLØkonometri↔ compare
- Metode for momenter kvantilregressionØkonometri↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →