Nelineārās Grangera koincidences tests
Nelineārā Grangera koincidence paplašina klasisko lineāro Grangera koincidences ietvaru, lai noteiktu prognozēšanas sakarības, kas darbojas caur nelineārām dinamikām. Izmantojot neparametriskus vai daļēji parametriskus statistikas datus, kas balstīti uz korelācijas integrāļiem vai kodola blīvuma novērtējumu, tas identificē, vai vienas mainīgās pagātnes vērtības uzlabo otras prognozes, pārsniedzot to, ko var uztvert jebkurš lineārs modelis.
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
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Nonlinear Granger Causality Test. ScholarGate. https://scholargate.app/lv/econometrics/nonlinear-granger-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 koincidences testsEkonometrija↔ compare
- Nelineārais ARDL (NARDL) robežu testsEkonometrija↔ compare
- Nelineārs VAR modelisEkonometrija↔ compare
- Nelineārs vektora kļūdu labojuma modelis (Nelineārs VECM)Ekonometrija↔ compare
- Toda-Yamamoto Kauzalitātes testsEkonometrija↔ compare
- Vektora autoregresija (VAR)Ekonometrija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →