view in publisher's site

How to apply the novel dynamic ARDL simulations (dynardl) and Kernel-based regularized least squares (krls)

The application of dynamic Autoregressive Distributed Lag (dynardl) simulations and Kernel-based Regularized Least Squares (krls) to time series data is gradually gaining recognition in energy, environmental and health economics. The Kernel-based Regularized Least Squares technique is a simplified machine learning-based algorithm with strength in its interpretation and accounting for heterogeneity, additivity and nonlinear effects. The novel dynamic ARDL Simulations algorithm is useful for testing cointegration, long and short-run equilibrium relationships in both levels and differences. Advantageously, the novel dynamic ARDL Simulations has visualization interface to examine the possible counterfactual change in the desired variable based on the notion of ceteris paribus. Thus, the novel dynamic ARDL Simulations and Kernel-based Regularized Least Squares techniques are useful and improved time series techniques for policy formulation.•We customize ARDL and dynamic simulated ARDL by adding plot estimates with confidence intervals.•A step-by-step procedure of applying ARDL, dynamic ARDL Simulations and Kernel-based Regularized Least Squares is provided.•All techniques are applied to examine the economic effect of denuclearization in Switzerland by 2034.Graphical abstractDownload : Download high-res image (190KB)Download : Download full-size image

چگونه شبیه‌سازی‌های ARDL دینامیک جدید (دیناردل)و حداقل مربعات تنظیم‌شده مبتنی بر کرنل (kریال)را به کار ببریم؟

کاربرد شبیه‌سازی‌های پویای خود رگرسیون توزیعی Lag (dynardl)و داده‌های سری زمانی حداقل مربعات مبتنی بر کرنل به تدریج در حال به دست آوردن شناخت در اقتصاد انرژی، محیط‌زیست و سلامت است. تکنیک حداقل مربعات تنظیم‌شده مبتنی بر کرنل یک الگوریتم مبتنی بر یادگیری ماشین ساده شده با قدرت در تفسیر آن و با در نظر گرفتن عدم تجانس، جمع پذیری و اثرات غیر خطی است. الگوریتم جدید شبیه‌سازی ARDL پویا برای آزمایش انباشتگی، روابط تعادلی بلند مدت و کوتاه‌مدت در هر دو سطح و تفاوت‌ها مفید است. علاوه بر این، شبیه‌سازی‌های ARDL پویای جدید دارای رابط مصورسازی برای بررسی تغییر خلاف واقع ممکن در متغیر مورد نظر براساس مفهوم تجزیه و تحلیل است. بنابراین، شبیه‌سازی‌های ARDL پویا و تکنیک‌های حداقل مربعات منطقی مبتنی بر کرنل، تکنیک‌های مفید و بهبود یافته سری‌های زمانی برای فرمول‌بندی سیاست هستند. * ARDL و ARDL شبیه‌سازی شده پویا را با اضافه کردن تخمین‌های طرح با فواصل اطمینان شخصی سازی می‌کنیم. * روش گام‌به‌گام اعمال ARDL، شبیه‌سازی‌های ARDL پویا و حداقل مربعات تنظیم‌شده مبتنی بر کرنل ارائه شده‌است. * تمام تکنیک‌ها برای بررسی اثر اقتصادی دنیوکال‌سازی در سوئیس توسط چکیده کردن واقعی ۲۰. ۳۴. تخلیه: دانلود تصویر با کیفیت بالا (۱۹۰ کیلوبایت)دانلود: دانلود تصویر با اندازه کامل
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.