ScholarGate
دستیار
Regression modelEconometrics / time series

آزمون علیت غیرخطی تودا-یاماموتو

آزمون علیت غیرخطی تودا-یاماموتو، رویه اصلاح‌شده والد (modified Wald procedure) کلاسیک تودا-یاماموتو (1995) را برای شناسایی پیوندهای علّی که در میانگین سری‌ها پنهان هستند اما از طریق دینامیک‌های غیرخطی مانند عدم تقارن‌ها، اثرات آستانه یا انتقال نوسانات بروز می‌کنند، گسترش می‌دهد. این آزمون یک مدل خودرگرسیون برداری افزوده (augmented VAR) را بر روی سری‌های تبدیل‌شده رتبه (rank-transformed) یا نگاشت‌شده غیرخطی دیگر برازش می‌دهد و یک آزمون والد مربع کای (chi-squared Wald test) را بر روی ضرایب اضافی اعمال می‌کند.

به‌کارگیری با EconMindبه‌زودیApply, compare, get guidance
Tools & resources
دریافت اسلایدها
Learn & explore
ویدیوبه‌زودی

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  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

نحوهٔ استناد به این صفحه

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

مقایسهٔ کنار هم
ScholarGateNonlinear Toda-Yamamoto Causality (Nonlinear Toda-Yamamoto Granger Causality Test). بازیابی‌شده در 2026-06-17 از https://scholargate.app/fa/econometrics/nonlinear-toda-yamamoto-causality · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026