ScholarGate
Assistent
Regression modelEconometrics / time series

Nichtlineares Autoregressives Modell mit verteilten Verzögerungen (NARDL)

Das nichtlineare ARDL-Modell (NARDL) erweitert den linearen ARDL-Bounds-Testing-Ansatz, um asymmetrische Langzeit- und Kurzzeitbeziehungen zu ermöglichen. Indem es eine erklärende Variable in ihre positiven und negativen Partialsummen zerlegt, testet es, ob Zunahmen und Abnahmen eines Regressors unterschiedliche Auswirkungen auf die abhängige Variable haben – ein Merkmal, das lineare Kointegrationsmethoden nicht erfassen können.

Mit EconMind anwendenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

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

Nichtlineares Autoregressives Modell mit verteilten Verzögerungen (NARDL)
ARDL-Grenzentest (Pesara…Granger-KausalitätstestMethode der kleinsten Qu…Vektorautoregressionsmod…

Quellen

  1. Shin, Y., Yu, B., & Greenwood-Nimmo, M. (2014). Modelling asymmetric cointegration and dynamic multipliers in a nonlinear ARDL framework. In R. C. Sickles & W. C. Horrace (Eds.), Festschrift in Honor of Peter Schmidt: Econometric Methods and Applications (pp. 281-314). Springer. DOI: 10.1007/978-1-4899-8008-3_9
  2. Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16(3), 289-326. DOI: 10.1002/jae.616

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/de/econometrics/nonlinear-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
ScholarGateNonlinear NARDL (Nonlinear Autoregressive Distributed Lag Model). Abgerufen am 2026-06-15 von https://scholargate.app/de/econometrics/nonlinear-nardl · Datensatz: https://doi.org/10.5281/zenodo.20539026