Robust Nonlinear Autoregressive Distributed Lag (Robust NARDL) Model
Robust NARDL kombinerer rammeværket for asymmetrisk kointegration fra Shin, Yu og Greenwood-Nimmo (2014) med outlier-resistent estimering. Den dekomponerer en prædiktor i positive og negative partielle summer, tester for asymmetriske langsigtede relationer via en grænsetest og erstatter OLS-kriteriet med en M- eller MM-estimator for at beskytte mod indflydelsesrige punkter og additive outliers, der er almindelige i makroøkonomiske og finansielle tidsserier.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/da/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-grænsetesten (Pesaran Bounds Test)Økonometri↔ compare
- Almindelig mindste kvadraters metode (OLS) regressionØkonometri↔ compare
- KvantilregressionØkonometri↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →