Doğrusal Olmayan Otoregresif Dağıtılmış Geriye Yayılım (NARDL) Modeli
Nonlinear Autoregressive Distributed Lag Model · Ayrıca şöyle bilinir: nonlinear ARDL, asymmetric ARDL, Doğrusal Olmayan ARDL (NARDL)
Shin, Yu ve Greenwood-Nimmo tarafından 2014'te tanıtılan NARDL modeli, ARDL çerçevesini genişleterek uzun ve kısa dönemdeki asimetrik ilişkileri yakalar ve bir regresördeki pozitif ve negatif değişimlerin bağımlı değişkeni farklı şekilde etkileyip etkilemediğini test eder.
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 verileri için, bir açıklayıcı değişkendeki artış ve azalışların, sonucu kısa veya uzun vadede farklı miktarlarda hareket ettirdiğinden şüphelendiğinizde NARDL kullanın. Makul bir seri uzunluğu (en az yaklaşık 50 gözlem) gerektirir ve hiçbir değişkenin ikinci dereceden entegre (I(2)) olmamasını gerektirir; değişkenler I(0) ve I(1) karışımı olabilir. Her zaman simetri kısıtlamalarını bir Wald testi ile test edin, şok tepkisini dinamik çarpanlarla görselleştirin ve artıkların otokorelasyon ve değişen varyans için kontrol edin.
Güçlü yönler & sınırlılıklar
- Doğrusal bir ARDL'nin kaçıracağı asimetrik uzun ve kısa dönem etkilerini yakalar.
- Pozitif ve negatif tepkileri bir Wald simetri testi ile resmi olarak test eder.
- I(0) ve I(1) karışımı regresörleri barındırır ve şok tepkilerini dinamik çarpanlarla görselleştirir.
- Makul derecede uzun bir seri (en az yaklaşık 50 gözlem) gerektirir ve herhangi bir değişken I(2) ise bozulur.
- Kısmi toplam ayrıştırması regresör sayısını ikiye katlar, bu nedenle model veri açlığı çeker ve yorumlanması daha zordur.
- Çıkarım hala iyi davranan artıklar üzerine kuruludur — otokorelasyon veya değişen varyans sınır testini baltalar.
SSS
NARDL standart bir ARDL modelinden nasıl farklıdır?
Standart ARDL, tek bir simetrik ilişki varsayar: bir regresördeki bir birimlik artış ve bir birimlik düşüş eşit ve zıt etkilere sahiptir. NARDL, her regresörü kümülatif pozitif ve negatif değişimlere ayırır ve onlara ayrı katsayılar verir, böylece artışlar ve azalışlar kısa ve uzun vadede sonucu farklı miktarlarda etkileyebilir.
NARDL'de Wald testi ne işe yarar?
Wald testi simetri kısıtlamalarını kontrol eder — pozitif ve negatif kısmi toplamlar üzerindeki uzun dönem katsayılarının eşit olup olmadığını ve ayrı ayrı kısa dönem dinamiklerinin simetrik olup olmadığını. Simetrinin reddedilmesi, asimetrik (doğrusal olmayan) bir spesifikasyonun warranted olduğunun resmi kanıtıdır.
NARDL'ye I(2) değişkenleri dahil edebilir miyim?
Hayır. Temel ARDL sınır test yaklaşımı gibi, NARDL de hiçbir değişkenin ikinci dereceden entegre olmamasını gerektirir. Değişkenler I(0), I(1) veya bir karışım olabilir, ancak I(2) bir seri sınır testini geçersiz kılar.
Dinamik çarpanlar neden önemlidir?
Dinamik çarpanlar, bağımlı değişkenin zaman içinde bir regresördeki pozitif ve negatif birim şoka nasıl ayarlandığını izler. Asimetriyi görünür hale getirirler — katsayıların yalnızca özetlediği ayarlama hızını ve büyüklüğünü gösterirler.
Kaynaklar
- Shin, Y., Yu, B. & Greenwood-Nimmo, M. (2014). Modelling Asymmetric Cointegration and Dynamic Multipliers in a Nonlinear ARDL Framework. In: Sickles, R. & Horrace, W. (Eds.), Festschrift in Honor of Peter Schmidt. Springer. DOI: 10.1007/978-1-4899-8008-3_9 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/tr/econometrics/nardl-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Kuantil RegresyonuEkonometri↔ karşılaştır
- Düzgün Geçişli Otokoregresif (STAR) ModeliEkonometri↔ karşılaştır
- System GMM (Arellano-Bover / Blundell-Bond)Ekonometri↔ karşılaştır