Doğrusal Olmayan ARDL (NARDL) Modeli
Nonlinear Autoregressive Distributed Lag Model · Ayrıca şöyle bilinir: NARDL, nonlinear bounds test, asymmetric ARDL, asymmetric cointegration model
Doğrusal Olmayan ARDL (NARDL) modeli, doğrusal ARDL sınır testi çerçevesini, asimetrik uzun ve kısa dönemli ilişkileri mümkün kılacak şekilde genişletir. Bağımlı değişkeni kümülatif pozitif ve negatif kısmi toplamlar halinde ayrıştırarak, bir değişkendeki artış ve azalışların sonuç üzerinde farklı etkiler yaratıp yaratmadığını test eder; bu özellik, finans ve enerji ekonomisinde pozitif ve negatif şokların nadiren simetrik olarak birbirini götürdüğü durumlarda özellikle önemlidir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+15 tane daha
Ne zaman kullanılır
Regresörde pozitif ve negatif değişimlerin sonuca farklı etki ettiğinden şüphelendiğinizde NARDL kullanın — enerji fiyatları, döviz kurları, para politikası ve emtia piyasalarında yaygındır. I(0), I(1) veya karışık zaman serileri için uygundur, ancak I(2) için uygun değildir. Güvenilir bir hata düzeltme terimi tahmin etmek için örneklem en az 40-50 gözlem içermelidir. Asimetri beklentisi için teorik veya ampirik bir nedeniniz olmadığında NARDL kullanmaktan kaçının; simetrik verilere doğrusal olmayan bir özellik dayatmak parametreleri şişirir ve verimliliği düşürür. Çok kısa serilerde (40 gözlemden az) veya tüm değişkenler açıkça I(2) olduğunda kaçının.
Güçlü yönler & sınırlılıklar
- Tek bir tutarlı çerçeve içinde asimetrik uzun ve kısa dönemli etkileri tespit eder ve tahmin eder.
- ARDL sınır testi avantajını miras alır: I(0) ve I(1) regresörleri ile, ön birim kök sınıflandırması gerektirmeden çalışır.
- Dinamik çarpanlar, pozitif ve negatif şokların nasıl yayıldığının ufuk bazlı görsel bir resmini sunar.
- OLS tahmini, kısmi toplam ayrıştırması yapıldıktan sonra çıkarımı basit tutar.
- Doğrusal modellerin yakalayamadığı fiyat katılığı ve aşağı yönlü ücret yapışkanlığı gibi yapısal özellikleri ele alır.
- Her bir regresörü iki seriye ayırır, parametre sayısını kabaca ikiye katlar; kısa örneklemlerde verimlilik hızla düşer.
- Pesaran vd. (2001) tarafından sağlanan asimptotik kritik değer sınırları küçük T için yaklaşık değerlerdir; T < 80 olduğunda bootstrap sınırlarını kullanın.
- Gerçek ilişkinin simetrik olması durumunda, NARDL aşırı uyum sağlar ve standart simetrik ARDL tercih edilir.
- Model tek bir denkleme uygulanır; bir VAR veya VECM'in yaptığı gibi çok değişkenli ortak dinamikleri genelleştirmez.
SSS
NARDL, standart doğrusal ARDL modelinden nasıl farklıdır?
Standart ARDL, bir regresördeki pozitif ve negatif değişimlerin eşit ve zıt etkilere sahip olduğunu varsayar. NARDL, her bir regresörü iki kısmi toplam serisiyle değiştirerek bu varsayımı gevşetir — biri kümülatif artışlar için, diğeri kümülatif azalışlar için — böylece model, her değişim yönü için ayrı bir uzun dönemli katsayı tahmin eder.
NARDL'yi I(2) değişkenlerle kullanabilir miyim?
Hayır. Pesaran, Shin ve Smith (2001) tarafından türetilen sınır testi kritik değerleri yalnızca I(0) ve I(1) değişkenler için geçerlidir. Herhangi bir seri I(2) ise, test istatistiği standart olmayan bir dağılıma sahip olur ve çıkarım çöker. Tahmin öncesinde tüm değişkenleri ön testten geçirin ve herhangi bir I(2) serisini düşürün veya farkını alın.
NARDL'de gecikme derecesini nasıl seçerim?
Artıkların Breusch-Godfrey otokorelasyon testini geçmesi koşuluyla, fark alınmış terimler için p ve q gecikme uzunluklarını seçmek üzere AIC veya BIC gibi bir bilgi kriteri kullanın. Kısa örneklemler (T < 80) için, serbestlik derecelerini korumak üzere maksimum gecikme uzunluğunu mütevazı tutun — genellikle 2 veya 3'ten fazla değil.
Dinamik çarpanlar nelerdir ve neden kullanışlıdır?
Dinamik çarpanlar, x'e yapılan birim pozitif veya negatif şokun ardından y'nin her h ufku boyunca kümülatif tepkisini izler. Bunları yan yana çizmek, ayarlama yollarının hız veya büyüklük açısından farklılık gösterip göstermediğini ortaya koyar ve yalnızca uzun dönemli katsayılardan daha zengin bir asimetri resmi sunar.
Uzun dönemli simetri için Wald testi reddedilmezse, doğrusal ARDL'ye geçmeli miyim?
Evet. Hem uzun dönemli hem de kısa dönemli Wald testleri simetriyi reddetmezse, NARDL'deki ek parametreler gereksizdir ve daha az parametreli doğrusal ARDL tercih edilir. NARDL'yi asimetrinin teorik olarak gerekçelendirildiği durumlarda uygulayın ve ardından istatistiksel olarak doğrulayın.
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: Econometric Methods and Applications (pp. 281–314). Springer. link ↗
- Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16(3), 289–326. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/tr/econometrics/nonlinear-ardl
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- ARDL sınır testi (Pesaran sınır testi)Ekonometri↔ karşılaştır
- Engle-Granger Eşbütünleşme TestiEkonometri↔ karşılaştır
- Granger Nedensellik TestiEkonometri↔ karşılaştır
- Kuantil RegresyonuEkonometri↔ karşılaştır
- Vektör Hata Düzeltme Modeli (VECM)Ekonometri↔ karşılaştır