Toda-Yamamoto-Kausalitätstest
Der Toda-Yamamoto (TY) Kausalitätstest ist ein modifiziertes Wald-Verfahren zum Testen von Granger-Kausalität in Vektorautoregressionen (VARs), die in Niveaus geschätzt werden, selbst wenn die Variablen nichtstationär oder kointegriert sind. Durch absichtliches Überanpassen des VAR mit zusätzlichen Lags, die der maximalen Ordnung der Integration entsprechen, wird die Standard-Chi-Quadrat-Asymptotik der Wald-Statistik wiederhergestellt, ohne dass eine vorherige Prüfung auf Einheitswurzeln oder Kointegration erforderlich ist.
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.
+2 weitere
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 ↗
- Dolado, J. J., & Lütkepohl, H. (1996). Making Wald tests work for cointegrated VAR systems. Econometric Reviews, 15(4), 369-386. DOI: 10.1080/07474939608800362 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Toda-Yamamoto Modified Wald Causality Test. ScholarGate. https://scholargate.app/de/econometrics/toda-yamamoto-causality-test
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.
- ARIMA-Modell (Autoregressives integriertes gleitendes Durchschnittsmodell)Ökonometrie↔ vergleichen
- Augmented Dickey-Fuller (ADF) EinheitswurzeltestÖkonometrie↔ vergleichen
- Granger-KausalitätstestÖkonometrie↔ vergleichen
- Vektorautoregression (VAR)Ökonometrie↔ vergleichen
- Vektor-Fehlerkorrekturmodell (VECM)Ökonometrie↔ vergleichen
Referenziert von
Similar methods
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →