Modèle Robuste de Correction d'Erreur Autorégressive Non Linéaire Distribuée (Robust NARDL)
Le Robust NARDL combine le cadre de cointégration asymétrique de Shin, Yu et Greenwood-Nimmo (2014) avec une estimation résistante aux valeurs aberrantes. Il décompose un régresseur en sommes partielles positives et négatives, teste les relations asymétriques à long terme via un test de limites, et remplace le critère des Moindres Carrés Ordinaires (MCO) par un estimateur M ou MM pour se prémunir contre les points de levier et les valeurs aberrantes additives courantes dans les séries temporelles macroéconomiques et financières.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/fr/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.
- Test des bornes ARDL (Test des bornes de Pesaran)Économétrie↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- Régression quantileÉconométrie↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →