Regression modelEconometrics / time series

مدل خودرگرسیون برداری غیرخطی (NARDL)

مدل خودرگرسیون برداری غیرخطی (NARDL) چارچوب آزمون کران خودرگرسیون برداری خطی را گسترش می‌دهد تا روابط نامتقارن بلندمدت و کوتاه‌مدت را مجاز کند. با تجزیه متغیر پیش‌بین به مجموع‌های جزئی مثبت و منفی تجمعی، آزمون می‌کند که آیا افزایش و کاهش در یک متغیر اثرات متفاوتی بر نتیجه دارند یا خیر - ویژگی که به‌ویژه در اقتصاد مالی و انرژی که شوک‌های مثبت و منفی به‌ندرت به‌طور متقارن یکدیگر را خنثی می‌کنند، مرتبط است.

به‌کارگیری با EconMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

+15 more

منابع

  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. link
  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. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/fa/econometrics/nonlinear-ardl

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

ارجاع‌شده در

ScholarGateNonlinear ARDL (Nonlinear Autoregressive Distributed Lag Model). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/econometrics/nonlinear-ardl · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026