Niet-lineaire Granger Causaliteitstest
Niet-lineaire Granger causaliteit breidt het klassieke lineaire Granger causaliteitskader uit om voorspellende relaties te detecteren die via niet-lineaire dynamiek werken. Met behulp van niet-parametrische of semi-parametrische statistieken gebaseerd op correlatie-integralen of kernel-dichtheidsschatting, identificeert het of vroegere waarden van de ene variabele de voorspellingen van een andere verbeteren, voorbij wat enig lineair model kan vastleggen.
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
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Nonlinear Granger Causality Test. ScholarGate. https://scholargate.app/nl/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.
- Granger CausaliteitstestEconometrie↔ compare
- Niet-lineaire ARDL (NARDL) grenzen testEconometrie↔ compare
- Niet-lineair VAR-modelEconometrie↔ compare
- Niet-lineair Vector Error Correction Model (Niet-lineair VECM)Econometrie↔ compare
- Toda-Yamamoto CausaliteitstestEconometrie↔ compare
- Vector Autoregressie (VAR)Econometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →