Beijesa Toda-Yamamoto kauzalitātes tests
Beijesa Toda-Yamamoto kauzalitātes procedūra apvieno Toda-Yamamoto VAR paplašināšanas stratēģiju — kas novērš nepieciešamību pirms testēšanas pārbaudīt integrāciju un kointegrāciju — ar Beijesa pirms-pēcskaitlisko atjaunināšanu. Tā testē Grangera nekauzalitāti starp laika rindām, kas var būt integrētas vai kointegrētas, neprasot diferencēšanu vai kļūdu korekcijas modelēšanu, vienlaikus iekļaujot pirmsinformāciju un radot pilnas pēcskaitliskās sadalījumus par kauzalitātes parametriem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/lv/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.
- Grindžera koeficientu pārbaudeEkonometrija↔ compare
- Toda-Yamamoto (TY) Granger cēloņsakarības pārbaudeEkonometrija↔ compare
- Vektora autoregresija (VAR)Ekonometrija↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →