QARDL (Quantile Autoregressive Distributed Lag)
QARDL (Quantile Autoregressive Distributed Lag) kombinuje kvantilovú regresiu s modelovaním ARDL na odhadovanie podmienených vzťahov v rôznych bodoch distribúcie, čím odhaľuje heterogénne krátkodobé a dlhodobé efekty. Metódu, ktorú zaviedli Koenker a Xiao (2006) a zdokonalili Cho et al. (2015), zachytáva, ako sa vplyv vysvetľujúcich premenných na výsledky líši naprieč kvantilmi, čo je nevyhnutné na pochopenie správania sa v extrémnych hodnotách (tail behavior) a distribúčných vplyvov, nielen priemerných efektov.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Quantile Autoregressive Distributed Lag. ScholarGate. https://scholargate.app/sk/econometrics/qardl
Ktorá metóda?
Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.
- Prierezové ARDLEkonometria↔ porovnať
- Prierezový NARDLEkonometria↔ porovnať
- Metóda momentov pre kvantilovú regresiuEkonometria↔ porovnať
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →