Nonlinear Granger Causality
Nonlinear Granger causality extends the classic linear Granger causality framework to detect predictive relationships that operate through nonlinear dynamics. Using nonparametric or semi-parametric statistics based on correlation integrals or kernel density estimation, it identifies whether past values of one variable improve forecasts of another beyond what any linear model can capture.
Bronrecord
Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.
- 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
Gecureerde claims
Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.
Deze weergave verzint geen claimbeoordeling als het register er geen heeft.
Gerelateerde methoden
Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.