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.
Bronrecord
Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.
- 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
Gecureerde claims
Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.
Deze weergave verzint geen claimbeoordeling als het register er geen heeft.
Gerelateerde methoden
Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.