Ikke-lineær Toda-Yamamoto kausalitetstest
Den ikke-lineære Toda-Yamamoto kausalitetstest utvider den klassiske modifiserte Wald-prosedyren fra Toda-Yamamoto (1995) for å oppdage kausale sammenhenger som er skjult i gjennomsnittet av serier, men som manifesterer seg gjennom ikke-lineær dynamikk som asymmetrier, terskeleffekter eller volatilitetsoverføring. Den estimerer en utvidet VAR på rangtransformerte eller på annen måte ikke-lineært transformerte serier og anvender en chi-kvadrat Wald-test på de ekstra lagskoeffisientene.
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 ↗
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Nonlinear Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/no/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.
- Kointegrasjonstest (Johansen / Engle-Granger)Økonometri↔ compare
- Granger-kausalitetstestØkonometri↔ compare
- Ikke-lineær Granger-kausalitetstestØkonometri↔ compare
- Toda-Yamamoto Granger-kausalitetstestØkonometri↔ compare
- Vektor Autoregression (VAR)-modellØkonometri↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →