Test de Causalité Non Linéaire de Toda-Yamamoto
Le test de causalité non linéaire de Toda-Yamamoto étend la procédure modifiée de Wald du test classique de Toda-Yamamoto (1995) pour détecter des liens causaux qui sont cachés dans les moyennes des séries mais se manifestent par des dynamiques non linéaires telles que les asymétries, les effets de seuil ou la transmission de volatilité. Il ajuste un VAR augmenté sur des séries transformées par rangs ou autrement mappées de manière non linéaire et applique un test de Wald du chi-carré sur les coefficients des retards supplémentaires.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Nonlinear Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/fr/econometrics/nonlinear-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.
- Test de cointégration (Johansen / Engle-Granger)Économétrie↔ compare
- Test de causalité de GrangerÉconométrie↔ compare
- Test de Causalité de Granger Non LinéaireÉconométrie↔ compare
- Test de Causalité de Granger de Toda-YamamotoÉconométrie↔ compare
- Modèle de Vector Autoregression (VAR)Économétrie↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →