ScholarGate
Assistent
Regression modelEconometrics / time series

Bayesi Toda-Yamamoto põhjuslikkuse test

Bayesi Toda-Yamamoto põhjuslikkuse protseduur ühendab Toda-Yamamoto VAR-i laiendamise strateegia — mis väldib vajadust integratsiooni ja kointegratsiooni eeltestimise järele — Bayesi eel- ja järeljaotuse uuendamisega. See testib Grangeri mittepõhjuslikkust aegridade vahel, mis võivad olla integreeritud või kointegreeritud, ilma et oleks vaja diferentseerimist või veaparanduse modelleerimist, kaasates samal ajal eelteavet ja luues põhjuslike parameetrite täielikud järeljaotused.

Rakenda tööriistaga EconMindPeagiVideoPeagiDownload slides

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Method map

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

Allikad

  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

Kuidas sellele lehele viidata

ScholarGate. (2026, June 3). Bayesian Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/et/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). Loetud 2026-06-15 aadressilt https://scholargate.app/et/econometrics/bayesian-toda-yamamoto-causality · Andmestik: https://doi.org/10.5281/zenodo.20539026