Prueba de Causalidad No Lineal de Toda-Yamamoto
La prueba de causalidad no lineal de Toda-Yamamoto extiende el procedimiento modificado de Wald del clásico Toda-Yamamoto (1995) para detectar vínculos causales que están ocultos en las medias de las series pero se manifiestan a través de dinámicas no lineales como asimetrías, efectos umbral o transmisión de volatilidad. Ajusta un VAR aumentado sobre series transformadas por rangos o mapeadas de forma no lineal y aplica una prueba de Wald chi-cuadrado sobre los coeficientes de rezagos adicionales.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- 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 ↗
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Nonlinear Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/es/econometrics/nonlinear-toda-yamamoto-causality
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Prueba de cointegración (Johansen / Engle-Granger)Econometría↔ comparar
- Prueba de causalidad de GrangerEconometría↔ comparar
- Prueba de Causalidad de Granger No LinealEconometría↔ comparar
- Prueba de Causalidad de Granger de Toda-YamamotoEconometría↔ comparar
- Modelo de Vectores Autorregresivos (VAR)Econometría↔ comparar
Similar methods
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →