Bayesiansk Toda-Yamamoto-kausalitetstest
Den bayesianske Toda-Yamamoto-kausalitetsprosedyren kombinerer Toda-Yamamoto VAR-augmenteringsstrategien — som unngår behovet for forhåndstesting av integrasjon og kointegrasjon — med bayesiansk prior-posterior-oppdatering. Den tester Granger-ikke-kausalitet mellom tidsserier som kan være integrerte eller kointegrerte uten å kreve differensiering eller feilkorreksjonsmodellering, samtidig som den inkorporerer forhåndskunnskap og produserer fulle posterior-fordelinger over de kausale parameterne.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/no/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-kausalitetstestØkonometri↔ compare
- Toda-Yamamoto Granger-kausalitetstestØkonometri↔ compare
- Vektorautoregresjon (VAR)Økonometri↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →