Fourier NARDL (Fourier NARDL)
Fourier Nonlinear Autoregressive Distributed Lag Model · Ayrıca şöyle bilinir: Fourier NARDL, Fourier nonlinear ARDL, F-NARDL, Fourier asymmetric ARDL
Fourier NARDL, Doğrusal Olmayan ARDL (NARDL) sınır testi çerçevesini, hata düzeltme denklemine Fourier trigonometrik terimleri ekleyerek genişletir; bu sayede araştırmacının kırılma tarihini önceden bilmesi veya belirtmesi gerekmeksizin uzun dönemli ilişkideki yumuşak, kademeli yapısal kırılmaları yakalamayı mümkün kılar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Zaman serisi verileriniz olduğunda ve teori veya ön kanıtlar şunları gösterdiğinde Fourier NARDL kullanın: (1) uzun dönemli ilişki asimetriktir — sürdürücünün pozitif ve negatif değişimleri sonucu farklı şekilde etkiler; ve (2) ilişki, politika değişiklikleri, rejim geçirmeleri veya yavaş yapısal evrim nedeniyle örneklem dönemi boyunca kademeli olarak değişmiş olabilir. Belirli bir kırılma tarihini belirleyemediğiniz durumlarda uygundur. Küçük örneklemlerde (yaklaşık 60 gözlemden az) kullanmayın, çünkü Fourier terimleri eklemek serbestlik derecelerini belirgin şekilde azaltır. Asimetri teorik olarak gerekçelendirilmemişse, standart Fourier ARDL sınır testini tercih edin. Kırılmalar keskin ve iyi tarihlendirilmişse, bir Zivot-Andrews veya Bai-Perron yaklaşımı daha tutumludur.
Güçlü yönler & sınırlılıklar
- Bilinen bir kırılma tarihi gerektirmeden eş zamanlı olarak asimetrik eşbütünleşmeyi test eder ve yumuşak yapısal değişimi barındırır.
- Fourier yaklaşımı esnektir: tek bir düşük frekanslı terim, çok çeşitli yumuşak, doğrusal olmayan deterministik eğilimleri yakalayabilir.
- Regresörlerin I(0) ve I(1) değişkenlerinin bir karışımı ile çalışmanın NARDL avantajını miras alır, bu da tüm değişkenleri aynı entegrasyon derecesine göre önceden test etme ihtiyacını ortadan kaldırır.
- Dinamik çarpanlar, asimetrik ayarlama sürecinin ve hızının sezgisel görsel kanıtlarını sunar.
- Sınır testi yaklaşımı, regresörlerin kesinlikle I(1) veya I(0) olmasından bağımsız olarak geçerliliğini korur, bu da onu entegrasyon belirsizliğine karşı dayanıklı kılar.
- Makul derecede uzun bir zaman serisi gerektirir; Fourier bileşenleri eklemek serbestlik derecelerini azaltır, bu da modeli yaklaşık 60 gözlemin altındaki örneklemler için güvenilmez hale getirir.
- Optimal Fourier frekansı k'nın ızgara araması yoluyla seçimi gayriresmidir ve küçük örneklemlerde aşırı uyuma neden olabilir.
- F-sınırları istatistiği tarafından test edilen ortak sıfır hipotezi, eşbütünleşme olmaması ile asimetri olmaması durumlarını karıştırır, bu da hangi kısıtlamanın reddedilmeye neden olduğunu izole etmeyi zorlaştırır.
- Fourier ile zenginleştirilmiş sınır testi için kritik değerler standart ARDL tablolarından farklıdır ve simülasyon yoluyla elde edilmelidir; tüm spesifikasyonlar için tablolaştırılmış değerler kolayca bulunamayabilir.
- Yorumlama dikkat gerektirir: görünen asimetri, gerçek davranışsal asimetriden ziyade kısmen Fourier düzeltmesini yansıtabilir.
SSS
Fourier frekansı k'yı nasıl seçerim?
Modeli 1'den belirli bir maksimum değere (genellikle k ≤ 3 veya 5) kadar her tam sayı k değeri için tahmin edin ve hata kareleri toplamını minimize eden değeri seçin. Bazı yazılımlar optimal k'yı otomatik olarak raporlar.
Fourier NARDL panel verileriyle kullanılabilir mi?
Evet. Fourier NARDL'nin panel uzantıları mevcuttur ve literatürde uygulanmıştır, ancak tek denklem versiyonuna göre daha az standarttır ve panel boyutuna uygun simülasyon tabanlı kritik değerler gerektirir.
Fourier NARDL ile Fourier ARDL arasındaki fark nedir?
Fourier ARDL simetrik ayarlamayı varsayar — sürdürücünün pozitif ve negatif değişimleri eşit etkilere sahiptir. Fourier NARDL, sürdürücüyü pozitif ve negatif kısmi toplamlara ayırarak, hem asimetriyi hem de yumuşak yapısal değişimi eş zamanlı olarak test ederek bu varsayımı gevşetir.
Fourier NARDL çalıştırmadan önce birim kök testi yapmam gerekir mi?
NARDL sınır testi, I(0) veya I(1) olan sürdürücüler için geçerlidir, bu nedenle tam bir ön test gerekli değildir. Ancak, hiçbir değişkenin I(2) olmadığından emin olmalısınız; standart ADF veya PP testleri (veya bunların Fourier varyantları) bu kontrol için yeterlidir.
Dinamik çarpanları nasıl yorumlarım?
Dinamik çarpanlar, y'nin x+'daki birim pozitif şoka karşı tepkisini ve x-'deki birim negatif şoka karşı tepkisini sonraki h dönem boyunca gösterir. Farklılaşan çarpan yolları asimetrinin görsel kanıtını sunar; güven aralıklarının genişliği tahmin belirsizliğini gösterir.
Kaynaklar
- Shin, Y., Yu, B., & Greenwood-Nimmo, M. (2014). Modelling asymmetric cointegration and dynamic multipliers in a nonlinear ARDL framework. In R. C. Sickles & W. C. Horrace (Eds.), Festschrift in Honor of Peter Schmidt (pp. 281–314). Springer. link ↗
- Becker, R., Enders, W., & Lee, J. (2006). A stationarity test in the presence of an unknown number of smooth breaks. Journal of Time Series Analysis, 27(3), 381–409. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Fourier Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/tr/econometrics/fourier-nardl
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Arellano-Bond GMM TahmincisiEkonometri↔ karşılaştır
- Fourier ARDL Sınır TestiEkonometri↔ karşılaştır
- Fourier Engle-Granger Eşbütünleşme TestiEkonometri↔ karşılaştır
- Fourier Granger Nedensellik TestiEkonometri↔ karşılaştır
- Doğrusal Olmayan ARDL (NARDL) ModeliEkonometri↔ karşılaştır
- Vektör Hata Düzeltme Modeli (VECM)Ekonometri↔ karşılaştır