Šķērsgriezuma ARDL
CS-ARDL (šķērsgriezuma ARDL) piemēro ARDL ietvaru paneļa datiem, vienlaikus skaidri ņemot vērā šķērsgriezuma atkarību — šoku un attiecību korelāciju starp vienībām (valstīm, uzņēmumiem, reģioniem). Pesaran un kolēģu (2016) ieviestā metode paplašina paneļa ARDL metodes, lai apstrādātu kopīgus faktorus vai globālus šokus, kas vienlaikus ietekmē visas vienības. Tas ir būtiski, lai reālistiski modelētu starptautiski integrētas ekonomikas un uzņēmumu tīklus.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Pesaran, M. H., & Smith, R. (2016). Testing weak cross-sectional dependence in large panels. Econometric Reviews, 34(6-10), 1089-1117. link ↗
- Chudik, A., Kapetanios, G., & Pesaran, M. H. (2018). A one covariate at a time, multiple testing approach to variable selection in high-dimensional linear regression models. Econometric Reviews, 37(8), 953-1010. DOI: 10.3982/ecta14176 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Cross-Sectional Autoregressive Distributed Lag. ScholarGate. https://scholargate.app/lv/econometrics/cs-ardl
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.
- Šķērsgriezuma sadalītais novilcinājumsEkonometrija↔ compare
- Šķērsgriezuma NARDLEkonometrija↔ compare
- Panel VARXEkonometrija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →