Bayesiläinen Toda-Yamamoton kausaatiotesti
Bayesiläinen Toda-Yamamoton kausaatiomenetelmä yhdistää Toda-Yamamoton VAR-augmentointistrategian — joka ohittaa integraation ja kointegraation esitestauksen tarpeen — Bayesiläiseen prior-posterioripäivitykseen. Se testaa Grangerin ei-kausaatiota aikasarjojen välillä, jotka voivat olla integroituneita tai kointegroituneita ilman eriyttämistä tai virheenkorjausmallinnusta, samalla kun se sisällyttää prior-tietoa ja tuottaa täydelliset posteriorijakaumat kausaaliparametreille.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/fi/econometrics/bayesian-toda-yamamoto-causality
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Granger-kausaatiotestiEkonometria↔ vertaa
- Toda-Yamamoto Grangerin kausaatiotestiEkonometria↔ vertaa
- Vektorimallit (VAR)Ekonometria↔ vertaa
Similar methods
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →