QARDL
QARDL (Quantile Autoregressive Distributed Lag) combines quantile regression with ARDL modeling to estimate conditional relationships at different points of the distribution, revealing heterogeneous short-run and long-run effects. Introduced by Koenker and Xiao (2006) and refined by Cho et al. (2015), it captures how the effect of explanatory variables on outcomes varies across quantiles, essential for understanding tail behavior and distributional impacts rather than just mean effects.
Запис джерела
Цитати скопійовано дослівно з вихідного запису методу. Вони не передбачають перевірки на рівні тверджень.
- Koenker, R., & Xiao, Z. (2006). Quantile autoregression. Journal of the American Statistical Association, 101(475), 980-990. · DOI 10.1198/016214506000000672
- Cho, J. S., Kim, H., & Shin, Y. (2015). Quantile cointegration in the autoregressive distributed-lag modeling framework. Journal of Econometrics, 188(1), 281-300. · DOI 10.1016/j.jeconom.2015.05.003
Відібрані твердження
Твердження збережено в журналі доказів, кожне зі своєю оцінкою.
Цей перегляд не вигадує оцінку твердження, якщо в журналі її немає.
Пов'язані методи
Згенеровано з графа методів і показано як рекомендовані системою зв'язки — жодне твердження доказів не передбачається.