Robuster Granger-Kausalitätstest
Robuste Granger-Kausalität erweitert den klassischen Granger-Kausalitätsrahmen, indem sie Bootstrap-basierte oder heteroskedastische robuste kritische Werte anstelle von asymptotischen Chi-Quadrat-Tabellen verwendet. Dies macht den Test in endlichen Stichproben und bei Daten mit Nicht-Normalität, Heteroskedastizität oder Nahe-Integration zuverlässig, in Situationen, in denen der Standard-F- oder Wald-basierte Test bekanntermaßen übermäßig ablehnt.
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
- Hacker, R. S., & Hatemi-J, A. (2006). Tests for causality between integrated variables using asymptotic and bootstrap distributions: Theory and application. Applied Economics, 38(13), 1489–1500. DOI: 10.1080/00036840500405763 ↗
- Granger, C. W. J. (1969). Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 37(3), 424–438. DOI: 10.2307/1912791 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Granger Causality Test. ScholarGate. https://scholargate.app/de/econometrics/robust-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.
- Kointegrationstest (Johansen / Engle-Granger)Ökonometrie↔ compare
- Granger-KausalitätstestÖkonometrie↔ compare
- Toda-Yamamoto-Granger-KausalitätstestÖkonometrie↔ compare
- Vektorautoregressionsmodell (VAR)Ökonometrie↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →