ScholarGate
Avustaja
Regression modelEconometrics / time series

Bayesiläinen NARDL: Epälineaarinen ARDL Bayesiläisellä estimoinnilla

Bayesiläinen NARDL yhdistää Shin, Yu ja Greenwood-Nimmon (2014) epälineaarisen autoregressiivisen hajautetun viiveen (Nonlinear Autoregressive Distributed Lag, NARDL) viitekehyksen Bayesiläiseen posteriorianalyysiin. Se mallintaa epäsymmetristä pitkän aikavälin kointegraatiota – sallien positiivisten ja negatiivisten shokkien regressoreissa vaikuttaa eri tavoin tasapainotilaan – samalla kun se sisällyttää ennakkotietoa ja tuottaa täydelliset posteriorijakaumat kaikille parametreille, mukaan lukien epäsymmetriaväli.

Sovella työkalulla EconMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

Lähteet

  1. 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: Econometric Methods and Applications (pp. 281–314). Springer. link
  2. Koop, G. (2003). Bayesian Econometrics. Wiley. ISBN: 978-0470845677

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Bayesian Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/fi/econometrics/bayesian-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
ScholarGateBayesian NARDL (Bayesian Nonlinear Autoregressive Distributed Lag Model). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/econometrics/bayesian-nardl · Aineisto: https://doi.org/10.5281/zenodo.20539026