ScholarGate
دستیار
Hypothesis testCausality

آزمون علیت گرنجر تودا-یاماموتو

آزمون علیت تودا-یاماموتو (TY)، که توسط تودا و یاماموتو (1995) معرفی شد، رویه‌ای قوی برای آزمون عدم علیت گرنجر در مدل‌های خودرگرسیو برداری (VAR) ارائه می‌دهد، حتی زمانی که متغیرها ممکن است از هر مرتبه دلخواهی یکپارچه یا هم‌انباشته باشند. این روش با بیش‌برازش عمدی VAR با افزودن وقفه اضافی برابر با حداکثر مرتبه یکپارچگی، نیاز به پیش‌آزمون هم‌انباشتگی را برطرف کرده و توزیع مجذور کای مجانبی استاندارد آماره والد را حفظ 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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 2). Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/fa/econometrics/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

ارجاع‌شده در

ScholarGateToda-Yamamoto Causality (Toda-Yamamoto Granger Causality Test). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/econometrics/toda-yamamoto-causality · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026