QARDL
QARDL (Quantile Autoregressive Distributed Lag) combines quantile regression with ARDL modeling to estimate conditional relationships at different points of the distribution, revealing heterogeneous short-run and long-run effects. Introduced by Koenker and Xiao (2006) and refined by Cho et al. (2015), it captures how the effect of explanatory variables on outcomes varies across quantiles, essential for understanding tail behavior and distributional impacts rather than just mean effects.
Forrásrekord
A hivatkozások szó szerint a módszer forrásrekordjából kerültek átvételre. Ezekből nem következtethető ki állítás-szintű ellenőrzés.
- 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
Kurált állítások
Az állítások a bizonyíték-jegyzőkönyvben tárolódtak, mindegyik saját értékeléssel.
Ez a nézet nem hoz létre állítás-értékelést, ha a jegyzőkönyvben nincs.
Kapcsolódó módszerek
A módszergráfból generálva és gépi javaslatú kapcsolatokként jelenítve meg – nem következtethető ki bizonyíték-állítás.