آزمون علیت بیزی تودا-یاماموتو
رویه علیت بیزی تودا-یاماموتو، راهبرد افزایش مرتبه مدل خودرگرسیو برداری (VAR) تودا-یاماموتو — که نیاز به پیشآزمون یکپارچگی و همانباشتگی را برطرف میکند — را با بهروزرسانی پیشین-پسین بیزی ترکیب میکند. این روش، عدم علیت گرنجر را بین سریهای زمانی که ممکن است یکپارچه یا همانباشته باشند، بدون نیاز به تفاضلگیری یا مدلسازی تصحیح خطا، آزمون میکند؛ در عین حال اطلاعات پیشین را در بر میگیرد و توزیعهای پسین کامل را برای پارامترهای علّی تولید میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- 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 ↗
- Zellner, A. (1971). An Introduction to Bayesian Inference in Econometrics. Wiley. ISBN: 978-0471982326
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Bayesian Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/fa/econometrics/bayesian-toda-yamamoto-causality
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- آزمون علیت گرنجراقتصادسنجی↔ مقایسه
- آزمون علیت گرنجر تودا-یاماموتواقتصادسنجی↔ مقایسه
- خودبازگشتی برداری (VAR)اقتصادسنجی↔ مقایسه
Similar methods
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →