Panel Doğrusal Olmayan Otoregresif Dağıtılmış Gecikme (Panel NARDL) Modeli
Panel Nonlinear Autoregressive Distributed Lag Model · Ayrıca şöyle bilinir: Panel Nonlinear ARDL, panel asymmetric ARDL, panel NARDL bounds test, nonlinear panel cointegration model
Panel NARDL, Shin, Yu ve Greenwood-Nimmo'nun (2014) zaman serisi NARDL çerçevesini panel veri ortamına genişleterek araştırmacıların birden çok kesit üzerinde eş zamanlı olarak değişkenler arasındaki asimetrik uzun ve kısa vadeli ilişkileri tespit etmelerini sağlar. Regresörün pozitif ve negatif kısmi toplamlarına ayrıştırılmasıyla model, açıklayıcı bir değişkendeki artış ve azalışların sonuç üzerinde farklı etkilere sahip olup olmadığını 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
Panel NARDL, panel veriye (zaman içinde gözlemlenen birden çok birim) sahip olduğunuzda ve ekonomik teori, tepki değişkeninin bir regresördeki pozitif şoklara karşı negatif şoklara farklı tepki verebileceğini öne sürdüğünde uygundur - örneğin, enerji fiyatları ve GSYİH, döviz kurları ve ticaret dengeleri veya finansal kalkınma ve büyüme. Değişkenler I(0), I(1) veya karşılıklı olarak eşbütünleşmiş olduğunda uygundur, çünkü sınırlar test yaklaşımı tekdüze bir entegrasyon sırası gerektirmez. Zaman boyutu T çok kısaysa (birim başına 20'den az dönem), kesitsel bağımlılık şiddetli ve ele alınmamışsa veya asimetri beklemek için teorik bir nedeniniz yoksa bundan kaçının - bu durumda, standart bir panel ARDL veya PMG tahmincisi daha basit ve daha tutumludur.
Güçlü yönler & sınırlılıklar
- Doğrusal modellerin yakalayamadığı asimetrik uzun ve kısa vadeli etkileri tespit eder.
- Sınırlar test çerçevesi aracılığıyla I(0) ve I(1) değişkenlerinin bir karışımıyla çalışır, kök birimlerin ön test ihtiyacını ortadan kaldırır.
- Kesitlerin havuzlanması, birim birim zaman serisi NARDL'ye kıyasla istatistiksel gücü artırır.
- Bireysel özgü kesişimler ve eğim katsayıları aracılığıyla kesitsel heterojenliği barındırır.
- Dinamik çarpan grafikleri, tepkinin pozitif ve negatif şoklardan sonra zamanla nasıl biriktiğinin sezgisel bir görselleştirmesini sağlar.
- Hata düzeltme teriminin güvenilir tahmini için makul derecede büyük bir zaman boyutu (birim başına T ≥ 20) gerektirir.
- Kesitsel bağımlılık (ortak küresel şoklar), kesitsel olarak artırılmış özellikler (CS-NARDL) veya ikinci nesil panel testleri ile ele alınmadıkça tahminleri bozabilir.
- Orijinal değişken I(0) ise manuel kısmi toplam ayrıştırması yapay asimetriye neden olabilir; prosedür I(1) serilerine uygulanmalıdır.
- Kısa vadeli dinamikler ve hata düzeltme modeli için gecikme uzunluklarının seçilmesi dikkat gerektirir - orta T'li panellerde aşırı uyum gerçek bir risktir.
SSS
NARDL ve Panel NARDL arasındaki fark nedir?
Standart NARDL tek bir zaman serisi üzerinde tahmin edilir. Panel NARDL, birden çok kesitsel birimi (ülkeler, firmalar, bölgeler) istifler ve asimetrik eşbütünleşme ilişkilerini topluca tahmin eder, bu da istatistiksel gücü artırır ve birimler arasındaki ortalama veya heterojen etkiler hakkında çıkarım yapılmasına olanak tanır.
Panel NARDL için değişkenlerimin I(1) olması gerekiyor mu?
Kesinlikle değil. Sınırlar test çerçevesi, I(0), I(1) veya bir karışım olan regresörler için geçerlidir, yeter ki hiçbiri I(2) veya daha yüksek olmasın. Ancak, regresörün pozitif ve negatif kümülatif toplamlarına kısmi toplam ayrıştırması, değişkenin entegre olduğu durumlarda en anlamlıdır, bu nedenle değişkenlerin en fazla I(1) olduğunu doğrulamak iyi bir uygulamadır.
Panel NARDL'de kesitsel bağımlılıkla nasıl başa çıkarım?
Önce Pesaran CD testi kullanarak kesitsel bağımlılığı test edin. Bağımlılık mevcutsa, Pesaran'ın (2006) CCE yaklaşımını izleyerek sonuç ve regresörlerin kesit ortalamalarını ek kontroller olarak ekleyen kesitsel olarak artırılmış NARDL (CS-NARDL) özelliğini kullanın.
Modeldeki gecikme uzunluğunu nasıl seçerim?
Yaygın bir uygulama, kısa vadeli dinamikler ve kısmi toplamlar üzerindeki dağıtılmış gecikme için gecikmeleri seçmek üzere Akaike Bilgi Kriteri'ni (AIC) veya Schwarz-Bayesian Kriteri'ni (BIC) kullanmaktır, maksimum gecikme zaman boyutunun T uzunluğu ile belirlenir.
Dinamik çarpanlar nelerdir ve neden kullanışlıdırlar?
Dinamik çarpanlar, gelecekteki h dönem boyunca x⁺'deki birim pozitif şoka veya x⁻'deki birim negatif şoka sonucun kümülatif tepkisini izler. Onları yan yana çizmek, asimetriyi hemen görünür kılar ve sistemin ne kadar hızlı dengeye döndüğünü 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. 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). Panel Nonlinear Autoregressive Distributed Lag Model. ScholarGate. https://scholargate.app/tr/econometrics/panel-nardl
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
- Panel Eşbütünleşme Testleri (Pedroni, Kao, Westerlund)Ekonometri↔ karşılaştır
- Panel Veri Sabit Etkiler ModeliEkonometri↔ karşılaştır
- Panel VECM (Panel Vektör Hata Düzeltme Modeli)Ekonometri↔ karşılaştır