ScholarGate
עוזר
Regression modelEconometrics / time series

מבחן סיבתיות טודה-ימאמוטו לא-לינארי

מבחן הסיבתיות הלא-לינארי של טודה-ימאמוטו מרחיב את הליך וולד המתוקן הקלאסי של טודה-ימאמוטו (1995) כדי לזהות קשרים סיבתיים המוסתרים בממוצעים של סדרות אך באים לידי ביטוי דרך דינמיקות לא-לינאריות כגון אסימטריות, השפעות סף, או העברת תנודתיות. הוא מתאים מודל VAR מוגדל על סדרות שעברו טרנספורמציית דרגה או מיפוי לא-לינארי אחר, ומפעיל מבחן וולד מסוג כי-בריבוע על מקדמי ההשהיות הנוספות.

יישום עם EconMindבקרובApply, compare, get guidance
Tools & resources
הורדת מצגת
Learn & explore
וידאובקרוב

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

מפת שיטות

סביבת השיטות הקרובות — בחרו צומת כדי לחקור.

מקורות

  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. 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

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Nonlinear Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/he/econometrics/nonlinear-toda-yamamoto-causality

איזו שיטה?

הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.

השוואה זה לצד זה
ScholarGateNonlinear Toda-Yamamoto Causality (Nonlinear Toda-Yamamoto Granger Causality Test). אוחזר בתאריך 2026-06-17 מתוך https://scholargate.app/he/econometrics/nonlinear-toda-yamamoto-causality · מערך נתונים: https://doi.org/10.5281/zenodo.20539026