Nichtlineare Granger-Kausalitätstest
Die nichtlineare Granger-Kausalität erweitert den klassischen linearen Granger-Kausalitätsrahmen, um prädiktive Beziehungen zu erkennen, die durch nichtlineare Dynamiken wirken. Unter Verwendung nichtparametrischer oder semiparametrischer Statistiken, die auf Korrelationsintegralen oder Kerndichteschätzungen basieren, identifiziert sie, ob vergangene Werte einer Variablen Prognosen einer anderen verbessern, über das hinaus, was jedes lineare Modell erfassen kann.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Nonlinear Granger Causality Test. ScholarGate. https://scholargate.app/de/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-KausalitätstestÖkonometrie↔ compare
- Nichtlineare ARDL (NARDL) Bounds TestÖkonometrie↔ compare
- Nichtlineares VAR-ModellÖkonometrie↔ compare
- Nichtlineares Vektor-Fehlerkorrekturmodell (Nonlinear VECM)Ökonometrie↔ compare
- Toda-Yamamoto-KausalitätstestÖkonometrie↔ compare
- Vektorautoregression (VAR)Ökonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →