ScholarGate
Pembantu
Regression modelEconometrics / time series

Model Penjanaan Autoregresif Teragih Tak Linear (Robust NARDL) yang Mantap

Robust NARDL menggabungkan rangka kerja penyahjajaran tak simetri Shin, Yu, dan Greenwood-Nimmo (2014) dengan anggaran yang tahan pencilan. Ia menguraikan pemboleh ubah peramal kepada jumlah separa positif dan negatif, menguji hubungan jangka panjang tak simetri melalui ujian sempadan, dan menggantikan kriteria OLS dengan penganggar M- atau MM- untuk melindungi daripada titik pengaruh dan pencilan tambahan yang lazim dalam siri masa makroekonomi dan kewangan.

Terapkan dengan EconMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Model Penjanaan Autoregresif Teragih Tak Linear (Robust NARDL) yang Mantap
Ujian Sempadan ARDL (Uji…Regresi Kuasa Dua Terkec…Regresi Kuantil

Sumber

  1. 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
  2. Autoregressive distributed lag. Wikipedia. link

Cara memetik halaman ini

ScholarGate. (2026, June 3). Robust Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/ms/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.

Compare side by side
ScholarGateRobust NARDL (Robust Nonlinear Autoregressive Distributed Lag Model). Dicapai 2026-06-15 daripada https://scholargate.app/ms/econometrics/robust-nardl · Set data: https://doi.org/10.5281/zenodo.20539026