Quantile ARDL
QARDL (Quantile Autoregressive Distributed Lag) combineert kwantiellregressie met ARDL-modellering om conditionele relaties op verschillende punten van de verdeling te schatten, waardoor heterogene korte- en langetermijneffecten worden onthuld. Geïntroduceerd door Koenker en Xiao (2006) en verfijnd door Cho et al. (2015), vangt het hoe het effect van verklarende variabelen op uitkomsten varieert over kwantielen, wat essentieel is voor het begrijpen van staartgedrag en distributionele effecten in plaats van alleen gemiddelde effecten.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Quantile Autoregressive Distributed Lag. ScholarGate. https://scholargate.app/nl/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.
- Cross-Sectional ARDLEconometrie↔ compare
- Cross-Sectional NARDLEconometrie↔ compare
- Method of Moments Quantile RegressionEconometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →