Nieliniowy test przyczynowości Grangera
Nieliniowa przyczynowość Grangera rozszerza klasyczne ramy liniowej przyczynowości Grangera w celu wykrywania zależności predykcyjnych, które działają poprzez dynamikę nieliniową. Wykorzystując statystyki nieparametryczne lub semiparametryczne oparte na całkach korelacji lub estymacji gęstości jądrowej, identyfikuje, czy przeszłe wartości jednej zmiennej poprawiają prognozy innej zmiennej ponad to, co może uchwycić jakikolwiek model liniowy.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Nonlinear Granger Causality Test. ScholarGate. https://scholargate.app/pl/econometrics/nonlinear-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.
- Test przyczynowości GrangerEkonometria↔ compare
- Test granic nieliniowego modelu ARDL (NARDL)Ekonometria↔ compare
- Nieliniowy model VAREkonometria↔ compare
- Nieliniowy model korekcji błędów wektorowych (Nieliniowy VECM)Ekonometria↔ compare
- Test przyczynowości Todda-YamamotyEkonometria↔ compare
- Autoregresja Wektorowa (VAR)Ekonometria↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →