Nichtlineare Toda-Yamamoto-Kausalitätstest
Der nichtlineare Toda-Yamamoto-Kausalitätstest erweitert das klassische modifizierte Wald-Verfahren von Toda-Yamamoto (1995), um kausale Zusammenhänge aufzudecken, die in den Mittelwerten von Zeitreihen verborgen sind, sich aber durch nichtlineare Dynamiken wie Asymmetrien, Schwelleneffekte oder Volatilitätsübertragungen manifestieren. Er passt ein erweitertes VAR an Rang-transformierten oder anderweitig nichtlinear abgebildeten Zeitreihen an und wendet einen Chi-Quadrat-Wald-Test auf die zusätzlichen Lag-Koeffizienten an.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- Toda, H. Y., & Yamamoto, T. (1995). Statistical inference in vector autoregressions with possibly integrated processes. Journal of Econometrics, 66(1-2), 225-250. DOI: 10.1016/0304-4076(94)01616-8 ↗
- Sims, C. A., Stock, J. H., & Watson, M. W. (1990). Inference in linear time series models with some unit roots. Econometrica, 58(1), 113-144. DOI: 10.2307/2938337 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Nonlinear Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/de/econometrics/nonlinear-toda-yamamoto-causality
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- Kointegrationstest (Johansen / Engle-Granger)Ökonometrie↔ vergleichen
- Granger-KausalitätstestÖkonometrie↔ vergleichen
- Nichtlineare Granger-KausalitätstestÖkonometrie↔ vergleichen
- Toda-Yamamoto-Granger-KausalitätstestÖkonometrie↔ vergleichen
- Vektorautoregressionsmodell (VAR)Ökonometrie↔ vergleichen
Similar methods
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →