مدل خودرگرسیون غیرخطی توزیعشده با تأخیر قوی (Robust NARDL)
Robust NARDL چارچوب همانباشتگی نامتقارن Shin، Yu، و Greenwood-Nimmo (2014) را با برآورد مقاوم در برابر دادههای پرت ترکیب میکند. این روش یک متغیر توضیحی را به مجموعهای جزئی مثبت و منفی تجزیه میکند، روابط نامتقارن بلندمدت را از طریق آزمون کران (bounds test) میآزماید، و معیار OLS را با یک برآوردگر M یا MM جایگزین میکند تا در برابر نقاط اهرمی (leverage points) و دادههای پرت افزایشی (additive outliers) که در سریهای زمانی اقتصاد کلان و مالی رایج هستند، محافظت کند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- Autoregressive distributed lag. Wikipedia. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Robust Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/fa/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.
- آزمون حدود ARDL (آزمون حدود پزاران)اقتصادسنجی↔ compare
- رگرسیون حداقل مربعات معمولی (OLS)اقتصادسنجی↔ compare
- رگرسیون کوانتایلاقتصادسنجی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →