ScholarGate
Assistent
Hypothesis testCausality

Toda-Yamamoto-Granger-Kausalitätstest

Der von Toda und Yamamoto (1995) eingeführte Toda-Yamamoto (TY)-Kausalitätstest bietet ein robustes Verfahren zur Prüfung von Granger-Nicht-Kausalität in Vektorautoregressions (VAR)-Modellen, wenn die Variablen integriert oder kointegriert von beliebiger Ordnung sein können. Durch die absichtliche Überanpassung des VAR mit zusätzlichen Lags, die der maximalen Ordnung der Integration entsprechen, umgeht die Methode die Notwendigkeit einer Vorabprüfung der Kointegration und bewahrt die Standard-asymptotische Chi-Quadrat-Verteilung der Wald-Statistik.

Mit EconMind anwendenDemnächstApply, compare, get guidance
Tools & resources
Folien herunterladen
Learn & explore
VideoDemnächst

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Methodenkarte

Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.

Quellen

  1. 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

So zitieren Sie diese Seite

ScholarGate. (2026, June 2). Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/de/econometrics/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.

Nebeneinander vergleichen

Referenziert von

ScholarGateToda-Yamamoto Causality (Toda-Yamamoto Granger Causality Test). Abgerufen am 2026-06-17 von https://scholargate.app/de/econometrics/toda-yamamoto-causality · Datensatz: https://doi.org/10.5281/zenodo.20539026