آزمون کران نامی (NARDL)
آزمون کران نامی (NARDL)، که توسط شین، یو و گرینوود-نیمو (2014) توسعه یافته است، چارچوب ARDL خطی را برای تشخیص روابط نامتقارن بلندمدت در سریهای زمانی گسترش میدهد. با تجزیه یک متغیر توضیحی به مجموعهای جزئی مثبت و منفی، NARDL همزمان برای همانباشتگی آزمون میکند و اثرات بلندمدت جداگانه برای افزایشها و کاهشها را تخمین میزند — بدون اینکه نیاز باشد همه متغیرها از مرتبه یکسان انتگرالگیری شده باشند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- 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 ↗
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Nonlinear Autoregressive Distributed Lag Bounds Test. ScholarGate. https://scholargate.app/fa/econometrics/nonlinear-ardl-bounds-test
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
مقایسهٔ کنار هم →ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →