ARDL Quantile
Le QARDL (Quantile Autoregressive Distributed Lag) combine la régression quantile avec la modélisation ARDL pour estimer les relations conditionnelles à différents points de la distribution, révélant des effets hétérogènes à court et à long terme. Introduit par Koenker et Xiao (2006) et affiné par Cho et al. (2015), il capture comment l'effet des variables explicatives sur les résultats varie selon les quantiles, ce qui est essentiel pour comprendre le comportement des queues et les impacts distributionnels plutôt que les seuls effets moyens.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Koenker, R., & Xiao, Z. (2006). Quantile autoregression. Journal of the American Statistical Association, 101(475), 980-990. DOI: 10.1198/016214506000000672 ↗
- Cho, J. S., Kim, H., & Shin, Y. (2015). Quantile cointegration in the autoregressive distributed-lag modeling framework. Journal of Econometrics, 188(1), 281-300. DOI: 10.1016/j.jeconom.2015.05.003 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Quantile Autoregressive Distributed Lag. ScholarGate. https://scholargate.app/fr/econometrics/qardl
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.
- ARDL Cross-SectionnelÉconométrie↔ compare
- NARDL en coupe transversale (CS-NARDL)Économétrie↔ compare
- Régression Quantile par la Méthode des MomentsÉconométrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →