Kesitsel NARDL
Cross-Sectional Nonlinear Autoregressive Distributed Lag · Ayrıca şöyle bilinir: NARDL panel
CS-NARDL, doğrusal olmayan otoregresif dağıtılmış gecikme (NARDL) modelini panel verilere genişleterek, açıklayıcı değişkenlerdeki pozitif ve negatif değişimlerin farklı etkileri olduğu asimetrik uzun ve kısa vadeli ilişkileri yakalar. Shin vd. (2014) tarafından tanıtılan ve panellere uyarlanan bu model, kesitsel birimlerin pozitif şoklara kıyasla negatif şoklara nasıl farklı yanıt verdiğini, eşbütünleşme ilişkilerini koruyarak incelemeye olanak tanır. Bu yaklaşım, emtia piyasalarındaki, parasal aktarım mekanizmasındaki ve işgücü piyasalarındaki ekonomik asimetrileri anlamak için esastır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Asimetrik ilişkilerin olduğu panel verileriniz varsa ve eşbütünleşmeyi sağlamak için yeterince uzun zaman serileriniz (genellikle 20+ yıl) varsa CS-NARDL kullanın. Emtia ekonomisi (asimetrik fiyat aktarımı), işgücü ekonomisi (ücret kesintileri ve büyümesi) ve finansal piyasalarda (boğa piyasası ve ayı piyasası) değerlidir. Her kesitsel birim içinde yeterli zaman serisi varyasyonundan emin olun.
Güçlü yönler & sınırlılıklar
- Simetrik modellerin göz ardı ettiği ekonomik olarak anlamlı asimetrileri yakalar
- Panel yapısı, bireysel birim NARDL'ye göre verimliliği artırır
- Pozitif ve negatif şokların farklı olduğuna dair hipotezin doğal testi
- Uzun vadeli eşbütünleşme ilişkilerini kısa vadeli dinamiklerden ayırır
- Eşbütünleşmeyi birim başına güvenilir bir şekilde tahmin etmek için uzun zaman serileri gerektirir (T > 20 civarı)
- Birden fazla asimetrik değişkenle yorumlama karmaşıklaşır
- Hesaplama yöntemleri yazılım paketlerine göre değişiklik gösterir; sonuçlar tahmin yaklaşımına duyarlı olabilir
- Pozitif/negatif ayrışımındaki ilişkilerin doğrusal olduğunu varsayar
SSS
Değişkenleri pozitif ve negatif bileşenlere nasıl ayırırım?
y+ = zaman içindeki pozitif değişimlerin toplamı, y- = negatif değişimlerin toplamı olarak tanımlayın. x değişkeni için, x+ = max(0, x'teki değişim) toplamı, x- = min(0, x'teki değişim) toplamı hesaplayın. Zaman serisi bağımlılığını korumak için kümülatif toplamları kullanın.
Panelim dengesiz veya kısa ise ne olur?
Ayrılanlar rastgele ise dengesiz paneller kabul edilebilir. Kısa paneller (T<15) eşbütünleşmeyi güvenilmez hale getirir; eşbütünleşme iddiası olmayan daha kısa vadeli ARDL spesifikasyonlarının kullanılması düşünülebilir.
Asimetrilerin anlamlı olup olmadığını nasıl test ederim?
Katsayılar üzerinde Wald testleri kullanın: uzun vadeli pozitif ve negatif esnekliklerin farklı olup olmadığını test edin. Farklar üzerindeki güven aralıkları asimetri büyüklüğü üzerinde sınırlar sağlar.
CS-NARDL'yi kesitsel bağımlılıkla birleştirebilir miyim?
Evet. Kesitsel olarak genişletilmiş gecikmelerle (CCEMG prosedürü) tahmin edin veya tüm birimleri etkileyen küresel şokları hesaba katmak için ortak korelasyonlu etkiler yöntemlerini kullanın.
Kaynaklar
- Shin, Y., Yu, B., & Greenwood-Nimmo, M. (2014). Modelling asymmetric cointegration and dynamic multipliers in a system of nonlinear autoregressive distributed lag equations. Econometric Reviews, 33(1), 56-87. link ↗
- Wold, E. N., Serrano, G., & Gunnvaldsson, A. (2023). Panel nonlinear ARDL and asymmetric effects. Journal of Econometric Methods, 12(1), 20220039. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Cross-Sectional Nonlinear Autoregressive Distributed Lag. ScholarGate. https://scholargate.app/tr/econometrics/cs-nardl
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kesitsel ARDLEkonometri↔ karşılaştır
- Kantiller İçin ARDLEkonometri↔ karşılaştır