Regression modelEconometrics / time series

Μη Γραμμικός Έλεγχος Αιτιότητας Toda-Yamamoto

Ο μη γραμμικός έλεγχος αιτιότητας Toda-Yamamoto επεκτείνει την κλασική τροποποιημένη διαδικασία Wald των Toda-Yamamoto (1995) για την ανίχνευση αιτιακών συνδέσεων που είναι κρυμμένες στους μέσους όρους των σειρών αλλά εκδηλώνονται μέσω μη γραμμικών δυναμικών, όπως ασυμμετρίες, φαινόμενα κατωφλίου ή μετάδοση μεταβλητότητας. Προσαρμόζει ένα επαυξημένο VAR σε σειρές με μετασχηματισμό κατάταξης ή άλλως μη γραμμικά αντιστοιχισμένες σειρές και εφαρμόζει έναν έλεγχο Wald με κατανομή χι-τετράγωνο στα επιπλέον συντελεστές υστέρησης.

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. 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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Nonlinear Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/el/econometrics/nonlinear-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
ScholarGateNonlinear Toda-Yamamoto Causality (Nonlinear Toda-Yamamoto Granger Causality Test). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/econometrics/nonlinear-toda-yamamoto-causality · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026