Bayes-féle Toda-Yamamoto kauzalitás teszt
A Bayes-féle Toda-Yamamoto kauzalitás eljárás a Toda-Yamamoto VAR augmentációs stratégiát – amely kiküszöböli az integráltsági és kointegráltsági előzetes tesztelés szükségességét – a Bayes-féle prior-posterior frissítéssel kombinálja. Idősorok közötti Granger-kauzalitás hiányát teszteli, amelyek lehetnek integráltak vagy kointegráltak, differenciálás vagy hibakorrekciós modellezés szükségessége nélkül, miközben beépíti az előzetes információkat és teljes posterior eloszlásokat állít elő a kauzális paraméterekre vonatkozóan.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/hu/econometrics/bayesian-toda-yamamoto-causality
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Granger CausalityÖkonometria↔ összehasonlítás
- Toda-Yamamoto Granger-kauzalitási tesztÖkonometria↔ összehasonlítás
- Vektorautoregresszió (VAR)Ökonometria↔ összehasonlítás
Similar methods
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →