Niet-lineaire Toda-Yamamoto Causaliteitstest
De niet-lineaire Toda-Yamamoto causaliteitstest breidt de klassieke gemodificeerde Wald-procedure van Toda-Yamamoto (1995) uit om causale verbanden te detecteren die verborgen zijn in de gemiddelden van reeksen, maar zich manifesteren via niet-lineaire dynamieken zoals asymmetrieën, drempeleffecten of volatiliteitstransmissie. Het past een uitgebreid VAR-model toe op ranggetransformeerde of anderszins niet-lineair gemapte reeksen en past een chi-kwadraat Wald-test toe op de extra-lagcoëfficiënten.
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 ↗
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Nonlinear Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/nl/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.
- Coïntegratietest (Johansen / Engle-Granger)Econometrie↔ compare
- Granger-causaliteitstestEconometrie↔ compare
- Niet-lineaire Granger CausaliteitstestEconometrie↔ compare
- Toda-Yamamoto Granger CausaliteitstestEconometrie↔ compare
- Vector Autoregressie (VAR)-modelEconometrie↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →