Teste de Causalidade de Granger Não Linear
A causalidade de Granger não linear estende o quadro clássico da causalidade de Granger linear para detectar relações preditivas que operam através de dinâmicas não lineares. Utilizando estatísticas não paramétricas ou semi-paramétricas baseadas em integrais de correlação ou estimação de densidade por kernel, identifica se valores passados de uma variável melhoram as previsões de outra, além do que qualquer modelo linear pode capturar.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Nonlinear Granger Causality Test. ScholarGate. https://scholargate.app/pt/econometrics/nonlinear-granger-causality
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Granger Causality TestEconometria↔ comparar
- Teste de Limites ARDL Não Linear (NARDL)Econometria↔ comparar
- Modelo VAR Não LinearEconometria↔ comparar
- Modelo de Vetor de Correção de Erros Não Linear (Nonlinear VECM)Econometria↔ comparar
- Teste de Causalidade de Toda-YamamotoEconometria↔ comparar
- Autoregressores Vetoriais (VAR)Econometria↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →