Bayesiaanse Toda-Yamamoto Causaliteitstest
De Bayesiaanse Toda-Yamamoto causaliteitsprocedure combineert de Toda-Yamamoto VAR-augmentatiestrategie – die de noodzaak van pre-testen op integratie en co-integratie omzeilt – met Bayesiaanse prior-posterior-updating. Het test Granger-non-causaliteit tussen tijdreeksen die geïntegreerd of co-geïntegreerd kunnen zijn zonder differentiatie of foutcorrectiemodellering te vereisen, terwijl het priorinformatie incorporeert en volledige posteriorverdelingen over de causale parameters produceert.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/nl/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.
- Granger-causaliteitstestEconometrie↔ compare
- Toda-Yamamoto Granger CausaliteitstestEconometrie↔ compare
- Vector Autoregressie (VAR)Econometrie↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →