Bayesian NARDL: การประมาณค่าแบบเบย์ของแบบจำลอง Autoregressive Distributed Lag แบบไม่เชิงเส้น
Bayesian NARDL เป็นการผสมผสานกรอบการทำงานของ Nonlinear Autoregressive Distributed Lag (NARDL) ของ Shin, Yu, และ Greenwood-Nimmo (2014) เข้ากับการอนุมานแบบเบย์ (Bayesian posterior inference) โดยแบบจำลองนี้จะจำลองการถดถอยร่วมระยะยาวแบบไม่สมมาตร (asymmetric long-run cointegration) ซึ่งอนุญาตให้ผลกระทบจากช็อกบวกและช็อกลบต่อตัวแปรอธิบายมีผลต่อจุดสมดุลที่แตกต่างกัน พร้อมทั้งผนวกความรู้ก่อนหน้า (prior knowledge) และสร้างการแจกแจงความน่าจะเป็นภายหลัง (posterior distributions) สำหรับพารามิเตอร์ทั้งหมด รวมถึงช่องว่างความไม่สมมาตร
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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: Econometric Methods and Applications (pp. 281–314). Springer. link ↗
- Koop, G. (2003). Bayesian Econometrics. Wiley. ISBN: 978-0470845677
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/th/econometrics/bayesian-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.
- ตัวประมาณค่า GMM ของ Arellano-Bondเศรษฐมิติ↔ compare
- การทดสอบ Bayesian ARDL Bounds Testเศรษฐมิติ↔ compare
- แบบจำลองการแก้ไขข้อผิดพลาดเวกเตอร์แบบเบย์ (Bayesian VECM)เศรษฐมิติ↔ compare
- แบบจำลอง ARDL ไม่เชิงเส้น (NARDL)เศรษฐมิติ↔ compare
- แบบจำลอง Panel Nonlinear Autoregressive Distributed Lag (Panel NARDL)เศรษฐมิติ↔ compare
- แบบจำลองเวกเตอร์ปรับแก้ความคลาดเคลื่อน (VECM)เศรษฐมิติ↔ compare