Bayesian Toda-Yamamoto Causality
The Bayesian Toda-Yamamoto causality procedure combines the Toda-Yamamoto VAR augmentation strategy — which sidesteps the need for pre-testing integration and cointegration — with Bayesian prior-posterior updating. It tests Granger non-causality between time series that may be integrated or cointegrated without requiring differencing or error-correction modeling, while incorporating prior information and producing full posterior distributions over the causal parameters.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- 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
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.