Test di Causalità Bayesiano di Toda-Yamamoto
La procedura di causalità Bayesiano di Toda-Yamamoto combina la strategia di aumento VAR della procedura di Toda-Yamamoto — che evita la necessità di pre-test di integrazione e cointegrazione — con l'aggiornamento bayesiano prior-posterior. Testa la non-causalità di Granger tra serie temporali che possono essere integrate o cointegrate senza richiedere differenziazione o modellazione di correzione degli errori, incorporando al contempo informazioni a priori e producendo distribuzioni posteriori complete sui parametri causali.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/it/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.
- Test di causalità di GrangerEconometria↔ compare
- Test di causalità di Granger Toda-YamamotoEconometria↔ compare
- Autoregressione Vettoriale (VAR)Econometria↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →