Doğrusal Olmayan ARDL (NARDL) Sınır Testi
Nonlinear Autoregressive Distributed Lag Bounds Test · Ayrıca şöyle bilinir: NARDL, asymmetric ARDL, nonlinear bounds testing approach, NARDL bounds testing
Shin, Yu ve Greenwood-Nimmo (2014) tarafından geliştirilen Doğrusal Olmayan ARDL sınır testi, zaman serilerinde asimetrik uzun-dönem ilişkilerini tespit etmek için doğrusal ARDL çerçevesini genişletir. Bir açıklayıcı değişkeni pozitif ve negatif kısmi toplamlar halinde ayrıştırarak, NARDL eşbütünleşmeyi eş zamanlı olarak test eder ve tüm değişkenlerin aynı mertebeden entegre olmasını gerektirmeden artışlar ve azalışlar için ayrı uzun-dönem etkilerini tahmin 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
Orta uzunlukta zaman serileriniz (yaklaşık 30 veya daha fazla gözlem) olduğunda ve ekonomik teori veya önceki kanıtlar, bir açıklayıcı değişkendeki pozitif ve negatif değişimlerin sonuç üzerinde farklı uzun-dönem etkileri olabileceğini öne sürdüğünde (örneğin, enflasyon üzerindeki petrol fiyatları, ticaret dengeleri üzerindeki döviz kuru değer kayıpları veya değer kazanmaları veya tüketim üzerindeki gelir artışları veya azalışları) NARDL kullanın. NARDL, değişkenlerin I(0) veya I(1) olup olmadığından emin olmadığınızda da uygundur, çünkü sınır testi karışık entegrasyon mertebelerini barındırır. Değişkenler I(2) bileşenleri içeriyorsa, örneklem çok kısaysa (gecikme seçimi sonrası yaklaşık 30 gözlemden az), veya asimetri teorik olarak makul değilse — bu durumda daha basit doğrusal ARDL modeli tercih edilir — NARDL kullanmayın.
Güçlü yönler & sınırlılıklar
- Tek bir denklemde eşbütünleşmeyi eş zamanlı olarak test eder ve asimetrik uzun-dönem katsayılarını tahmin eder.
- Karışık I(0)/I(1) açıklayıcı değişkenlerle çalışır, her değişkenin birim kök öncesi sınıflandırılmasından kaçınır.
- Resmi Wald testleri ile yorumlanabilir uzun-dönem ve kısa-dönem asimetrik çarpanlar üretir.
- Tek bir indirgenmiş form denkleminde OLS ile tahmin edilir, bu nedenle çıkarım basittir.
- Dinamik çarpan grafikleri, pozitif ve negatif şokların zaman içinde nasıl yayıldığının sezgisel bir görselini sunar.
- Yeterince uzun bir örneklem gerektirir; gecikme seçimi kısa serilerde serbestlik derecelerini hızla tüketir.
- Kritik değer sınırları I(2) değişkeni olmadığını varsayar; I(2)'yi dışlamak için hala ADF veya KPSS ile ön test yapmak gereklidir.
- Tek denklemli koşullu bir modeli varsayar, bu x y'ye göre endojen ise geçersiz olabilir.
- Kısmi toplam ayrıştırması belirli bir asimetri biçimi uygular; farklı bir şeklin doğrusal olmaması (örneğin, eşik veya yumuşak geçiş) yakalanmaz.
SSS
NARDL standart ARDL sınır testinden nasıl farklıdır?
Standart ARDL, simetrik ayarlamayı varsayar: eşit büyüklükteki pozitif ve negatif bir şok, eşit büyüklükte ancak zıt yönde etkiler üretir. NARDL, tek açıklayıcı değişkeni pozitif ve negatif kısmi toplamlarıyla değiştirerek, uzun-dönem (ve kısa-dönem) katsayılarının değişim yönüne göre farklı olmasına izin verir. Ardından bir Wald testi, iki katsayının eşit olup olmadığını resmi olarak kontrol eder.
Değişkenlerin hangi entegrasyon mertebesinde olması gerekir?
NARDL, I(0) veya I(1) veya her ikisinin karışımı olan değişkenleri barındırır. Değişkenler I(2) olmamalıdır; herhangi bir değişkenin ikinci mertebeden entegre olması durumunda, Pesaran vd. (2001) tarafından sağlanan kritik değer sınırları geçersizdir. Devam etmeden önce I(2) olmadığını doğrulamak için ADF veya KPSS testlerini çalıştırın.
p ve q gecikme uzunluklarını nasıl seçerim?
Bir bilgi kriterini (küçük örneklemlerde AIC yaygındır) minimize eden gecikme sırasını seçin. Ardından artıklar için seri korelasyonunu (Breusch-Godfrey LM testi) ve yapısal kararlılığı (CUSUM ve CUSUM-kare testleri) kontrol edin. Örneklem kısaysa, serbestlik derecelerini korumak için gecikmeleri tutumlu tutun.
Anlamlı bir sınır F-testi bana ne söyler?
y, x⁺ ve x⁻ arasında uzun-dönem bir seviye ilişkisinin (eşbütünleşme) var olduğunu gösterir. Tek başına asimetriyi doğrulamaz — uzun-dönem pozitif ve negatif şok etkilerinin anlamlı şekilde farklı olup olmadığını belirlemek için hala H₀: L⁺ = L⁻'yi bir Wald testi ile test etmeniz gerekir.
NARDL birden fazla asimetrik açıklayıcı değişkeni işleyebilir mi?
Evet. Asimetrik etkilere sahip olduğu şüphelenilen her ek açıklayıcı değişken de pozitif ve negatif kısmi toplamlar halinde ayrıştırılır ve model buna göre genişletilir. Ancak, daha fazla kısmi toplam çifti eklemek serbestlik derecelerini hızla tüketir, bu nedenle birden fazla asimetrik açıklayıcı değişken dahil edildiğinde uzun bir örneklem özellikle önemlidir.
Kaynaklar
- 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 (pp. 281-314). Springer. DOI: 10.1007/978-1-4899-8008-3_9 ↗
- 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. DOI: 10.1002/jae.616 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Nonlinear Autoregressive Distributed Lag Bounds Test. ScholarGate. https://scholargate.app/tr/econometrics/nonlinear-ardl-bounds-test
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
Yan yana karşılaştır →