Teste de Causalidade Não Linear de Toda-Yamamoto
O teste de causalidade não linear de Toda-Yamamoto estende o procedimento clássico de Wald modificado de Toda-Yamamoto (1995) para detectar elos causais que estão ocultos nas médias das séries, mas se manifestam através de dinâmicas não lineares, como assimetrias, efeitos de limiar ou transmissão de volatilidade. Ele ajusta um VAR aumentado em séries transformadas por posto (rank) ou mapeadas de outra forma não linearmente e aplica um teste de Wald qui-quadrado aos coeficientes de defasagem adicionais.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Nonlinear Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/pt/econometrics/nonlinear-toda-yamamoto-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.
- Teste de Cointegração (Johansen / Engle-Granger)Econometria↔ comparar
- Teste de Causalidade de GrangerEconometria↔ comparar
- Teste de Causalidade de Granger Não LinearEconometria↔ comparar
- Teste de Causalidade de Granger Toda-YamamotoEconometria↔ comparar
- Modelo de Vetores Autorregressivos (VAR)Econometria↔ comparar
Similar methods
Encontrou um problema nesta página? Relate ou sugira uma correção →