Model Autoregresif Terdistribusi Lag Nonlinier Robust (Robust NARDL)
Robust NARDL menggabungkan kerangka kerja kointegrasi asimetris dari Shin, Yu, dan Greenwood-Nimmo (2014) dengan estimasi yang tahan terhadap pencilan (outlier). Model ini menguraikan variabel prediktor menjadi jumlah parsial positif dan negatif, menguji hubungan asimetris jangka panjang melalui uji batas (bounds test), dan mengganti kriteria OLS (Ordinary Least Squares) dengan estimator M- atau MM- untuk melindungi dari titik pengaruh (leverage points) dan pencilan aditif yang umum dalam deret waktu makroekonomi dan finansial.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Robust Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/id/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.
- Uji Batas ARDL (Uji Batas Pesaran)Ekonometrika↔ compare
- Regresi Kuadrat Terkecil Biasa (Ordinary Least Squares - OLS)Ekonometrika↔ compare
- Regresi KuantilEkonometrika↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →