Regression modelEconometrics / time series

Δοκιμή Αιτιότητας Toda-Yamamoto κατά Bayes

Η διαδικασία αιτιότητας Toda-Yamamoto κατά Bayes συνδυάζει τη στρατηγική επαύξησης VAR της Toda-Yamamoto — η οποία παρακάμπτει την ανάγκη για προκαταρκτικό έλεγχο ολοκλήρωσης και συσχέτισης — με την ενημέρωση Bayes από την εκ των προτέρων στην εκ των υστέρων κατανομή. Ελέγχει τη μη-αιτιότητα κατά Granger μεταξύ χρονοσειρών που μπορεί να είναι ολοκληρωμένες ή συσχετισμένες χωρίς να απαιτείται διαφοροποίηση ή μοντελοποίηση διόρθωσης σφαλμάτων, ενώ ενσωματώνει εκ των προτέρων πληροφορίες και παράγει πλήρεις εκ των υστέρων κατανομές για τις αιτιακές παραμέτρους.

Εφαρμογή με το EconMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  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
  2. Zellner, A. (1971). An Introduction to Bayesian Inference in Econometrics. Wiley. ISBN: 978-0471982326

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Bayesian Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/el/econometrics/bayesian-toda-yamamoto-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.

Compare side by side
ScholarGateBayesian Toda-Yamamoto Causality (Bayesian Toda-Yamamoto Granger Causality Test). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/econometrics/bayesian-toda-yamamoto-causality · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026