Toda-Yamamoto Causaliteitstest
De Toda-Yamamoto (TY) causaliteitstest is een gemodificeerde Wald-procedure voor het toetsen van Granger-causaliteit in vectorautoregressies (VAR's) geschat in niveaus, zelfs wanneer variabelen niet-stationair of gecointegreerd zijn. Door de VAR opzettelijk te overfitten met extra vertragingen gelijk aan de maximale integratieorde, herstelt het de standaard asymptotische chi-kwadraatverdeling van de Wald-statistiek zonder voorafgaande eenheidswortel- of coïntegratietests te vereisen.
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.
+2 more
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 ↗
- Dolado, J. J., & Lütkepohl, H. (1996). Making Wald tests work for cointegrated VAR systems. Econometric Reviews, 15(4), 369-386. DOI: 10.1080/07474939608800362 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Toda-Yamamoto Modified Wald Causality Test. ScholarGate. https://scholargate.app/nl/econometrics/toda-yamamoto-causality-test
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.
- ARIMA modelEconometrie↔ compare
- Augmented Dickey-Fuller (ADF) eenheidsworteltestEconometrie↔ compare
- Granger CausaliteitstestEconometrie↔ compare
- Vector Autoregressie (VAR)Econometrie↔ compare
- Vector Error Correction Model (VECM)Econometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →