Test di Causalità Non Lineare di Toda-Yamamoto
Il test di causalità non lineare di Toda-Yamamoto estende la classica procedura di Wald modificata di Toda-Yamamoto (1995) per rilevare collegamenti causali che sono nascosti nelle medie delle serie ma si manifestano attraverso dinamiche non lineari come asimmetrie, effetti soglia o trasmissione della volatilità. Esso adatta un VAR aumentato su serie trasformate in rango o altrimenti mappate non linearmente e applica un test di Wald chi-quadro sui coefficienti dei lag aggiuntivi.
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 ↗
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Nonlinear Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/it/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 di cointegrazione (Johansen / Engle-Granger)Econometria↔ compare
- Test di causalità di GrangerEconometria↔ compare
- Test di Causalità di Granger Non LineareEconometria↔ compare
- Test di causalità di Granger Toda-YamamotoEconometria↔ compare
- Modello di Autoregressione Vettoriale (VAR)Econometria↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →