Regression modelEconometrics / time series

Test de Causalité Bayésien de Toda-Yamamoto

La procédure bayésienne de causalité de Toda-Yamamoto combine la stratégie d'augmentation VAR de Toda-Yamamoto — qui évite le besoin de pré-tests d'intégration et de cointégration — avec la mise à jour a priori-a posteriori bayésienne. Elle teste la non-causalité au sens de Granger entre des séries temporelles qui peuvent être intégrées ou cointégrées sans nécessiter de différenciation ou de modélisation de correction d'erreurs, tout en intégrant l'information a priori et en produisant des distributions a posteriori complètes sur les paramètres causaux.

Appliquer avec EconMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

Sources

  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. Zellner, A. (1971). An Introduction to Bayesian Inference in Econometrics. Wiley. ISBN: 978-0471982326

Comment citer cette page

ScholarGate. (2026, June 3). Bayesian Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/fr/econometrics/bayesian-toda-yamamoto-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
ScholarGateBayesian Toda-Yamamoto Causality (Bayesian Toda-Yamamoto Granger Causality Test). Consulté le 2026-06-15 sur https://scholargate.app/fr/econometrics/bayesian-toda-yamamoto-causality · Jeu de données : https://doi.org/10.5281/zenodo.20539026