Ikke-lineær Granger-kausalitetstest
Ikke-lineær Granger-kausalitet udvider det klassiske lineære Granger-kausalitetsframework til at detektere prædiktive sammenhænge, der opererer gennem ikke-lineære dynamikker. Ved brug af ikke-parametriske eller semi-parametriske statistikker baseret på korrelationsintegraler eller kernel-tæthedsestimering identificerer den, hvorvidt tidligere værdier af én variabel forbedrer prognoser for en anden ud over, hvad enhver lineær model kan opfange.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Diks, C., & Panchenko, V. (2006). A new statistic and practical guidelines for nonparametric Granger causality testing. Journal of Economic Dynamics and Control, 30(9-10), 1647-1669. DOI: 10.1016/j.jedc.2005.08.008 ↗
- Hiemstra, C., & Jones, J. D. (1994). Testing for linear and nonlinear Granger causality in the stock price-volume relation. Journal of Finance, 49(5), 1639-1664. DOI: 10.1111/j.1540-6261.1994.tb04776.x ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Nonlinear Granger Causality Test. ScholarGate. https://scholargate.app/da/econometrics/nonlinear-granger-causality
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Granger-kausalitetstestØkonometri↔ compare
- Nonlinear ARDL (NARDL) grænsetestØkonometri↔ compare
- Nonlineær VAR-modelØkonometri↔ compare
- Ikke-lineær Vektor Fejlkorrektionsmodel (Nonlinear VECM)Økonometri↔ compare
- Toda-Yamamoto KausalitetstestØkonometri↔ compare
- Vektorautoregression (VAR)Økonometri↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →