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.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.