Bayesowska przyczynowość Grangera
Bayesowska przyczynowość Grangera testuje, czy przeszłe wartości jednego szeregu czasowego niosą informację predykcyjną o innym, ujmując hipotezę poprzez wnioskowanie bayesowskie, a nie częstościowe wartości p. Łączy ona strukturę wektorowego modelu autoregresyjnego (VAR) z rozkładami a priori dla współczynników i ocenia twierdzenia przyczynowe za pomocą prawdopodobieństw a posteriori lub czynników Bayesa, stanowiąc probabilistyczną i bardziej zniuansowaną alternatywę dla klasycznego testu Grangera.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Granger Causality Analysis. ScholarGate. https://scholargate.app/pl/econometrics/bayesian-granger-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.
- Model Bayesowski VAR (BVAR)Ekonometria↔ compare
- Bayesowski wektorowy model korygowania błędem (Bayesian VECM)Ekonometria↔ compare
- Test przyczynowości GrangerEkonometria↔ compare
- Test przyczynowości Granger dla danych panelowychEkonometria↔ compare
- Test przyczynowości Todda-YamamotyEkonometria↔ compare
- Autoregresja Wektorowa (VAR)Ekonometria↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →