Regression modelEconometrics / time series

Robustinen epälineaarinen autoregressiivinen hajautettu viivemalli (Robust NARDL)

Robust NARDL yhdistää Shin, Yu ja Greenwood-Nimmon (2014) epäsymmetrisen yhteisintegraatiokehyksen poikkeamia kestävään estimointiin. Se hajottaa selittävän muuttujan positiivisiin ja negatiivisiin osasummiin, testaa epäsymmetrisiä pitkän aikavälin suhteita rajatestillä ja korvaa pienimmän neliösumman (OLS) kriteerin M- tai MM-estimaattorilla suojautuakseen makrotaloudellisissa ja rahoituksellisissa aikasarjoissa yleisiä vaikutuspisteitä ja additiivisia poikkeamia vastaan.

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 (pp. 281–314). Springer. DOI: 10.1007/978-1-4899-8008-3_9
  2. Autoregressive distributed lag. Wikipedia. link

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Robust Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/fi/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.

Compare side by side
ScholarGateRobust NARDL (Robust Nonlinear Autoregressive Distributed Lag Model). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/econometrics/robust-nardl · Aineisto: https://doi.org/10.5281/zenodo.20539026