ARDL Kuantil
QARDL (Quantile Autoregressive Distributed Lag) menggabungkan regresi kuantil dengan pemodelan ARDL untuk menganggarkan hubungan bersyarat pada titik-titik berbeza dalam taburan, mendedahkan kesan jangka pendek dan jangka panjang yang heterogen. Diperkenalkan oleh Koenker dan Xiao (2006) dan diperhalusi oleh Cho et al. (2015), ia menangkap bagaimana kesan pemboleh ubah penjelasan terhadap hasil berbeza merentasi kuantil, penting untuk memahami tingkah laku hujung dan impak taburan dan bukannya hanya kesan min.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Quantile Autoregressive Distributed Lag. ScholarGate. https://scholargate.app/ms/econometrics/qardl
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.
- ARDL Keratan RentasEkonometrik↔ compare
- NARDL Keratan RentasEkonometrik↔ compare
- Regresi Kuantil Kaedah MomenEkonometrik↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →