Nonlinear Granger Causality
Nonlinear Granger causality extends the classic linear Granger causality framework to detect predictive relationships that operate through nonlinear dynamics. Using nonparametric or semi-parametric statistics based on correlation integrals or kernel density estimation, it identifies whether past values of one variable improve forecasts of another beyond what any linear model can capture.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- Diks, C., & Panchenko, V. (2006). A new statistic and practical guidelines for nonparametric Granger causality testing. Journal of Economic Dynamics and Control, 30(9-10), 1647-1669. · DOI 10.1016/j.jedc.2005.08.008
- Hiemstra, C., & Jones, J. D. (1994). Testing for linear and nonlinear Granger causality in the stock price-volume relation. Journal of Finance, 49(5), 1639-1664. · DOI 10.1111/j.1540-6261.1994.tb04776.x
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.