Regression modelEconometrics / time series

آزمون علیت گرنجر غیرخطی

علیت گرنجر غیرخطی، چارچوب علیت گرنجر خطی کلاسیک را برای تشخیص روابط پیش‌بینانه‌ای که از طریق دینامیک‌های غیرخطی عمل می‌کنند، گسترش می‌دهد. با استفاده از آمار ناپارامتری یا نیمه‌پارامتری مبتنی بر انتگرال‌های همبستگی یا تخمین چگالی کرنل، مشخص می‌کند که آیا مقادیر گذشته یک متغیر، پیش‌بینی‌های متغیر دیگر را فراتر از آنچه هر مدل خطی می‌تواند ثبت کند، بهبود می‌بخشد یا خیر.

به‌کارگیری با EconMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  1. Diks, C., & Panchenko, V. (2006). A new statistic and practical guidelines for nonparametric Granger causality testing. Journal of Economic Dynamics and Control, 30(9-10), 1647-1669. DOI: 10.1016/j.jedc.2005.08.008
  2. Hiemstra, C., & Jones, J. D. (1994). Testing for linear and nonlinear Granger causality in the stock price-volume relation. Journal of Finance, 49(5), 1639-1664. DOI: 10.1111/j.1540-6261.1994.tb04776.x

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Nonlinear Granger Causality Test. ScholarGate. https://scholargate.app/fa/econometrics/nonlinear-granger-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

ارجاع‌شده در

ScholarGateNonlinear Granger Causality (Nonlinear Granger Causality Test). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/econometrics/nonlinear-granger-causality · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026