Kvantil-ARDL
QARDL (Quantile Autoregressive Distributed Lag) kombinerar kvantilregression med ARDL-modellering för att estimera betingade samband vid olika punkter i fördelningen, vilket avslöjar heterogena kortsiktiga och långsiktiga effekter. Metoden introducerades av Koenker och Xiao (2006) och förfinades av Cho et al. (2015). Den fångar hur effekten av förklarande variabler på utfall varierar över kvantiler, vilket är väsentligt för att förstå svansbeteende och fördelningsmässiga effekter snarare än enbart medeleffekter.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Quantile Autoregressive Distributed Lag. ScholarGate. https://scholargate.app/sv/econometrics/qardl
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Cross-Sectional ARDLEkonometri↔ jämför
- Tvärsnitts-NARDLEkonometri↔ jämför
- Momentmetods kvantilregressionEkonometri↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →