Байесовская причинность по Грейнджеру
Байесовская причинность по Грейнджеру (Bayesian Granger causality) проверяет, несут ли прошлые значения одного временного ряда прогностическую информацию о другом, формулируя гипотезу посредством байесовского вывода, а не частотных p-значений. Она сочетает векторную авторегрессионную (VAR) структуру с априорными распределениями коэффициентов и оценивает причинно-следственные связи с помощью апостериорных вероятностей или байесовских факторов, предоставляя вероятностную и нюансированную альтернативу классическому тесту Грейнджера.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Granger Causality Analysis. ScholarGate. https://scholargate.app/ru/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.
- Модель Байесовского векторного авторегрессионного анализа (BVAR)Эконометрика↔ compare
- Байесовская модель векторной коррекции ошибок (Bayesian VECM)Эконометрика↔ compare
- Тест причинности по ГрейнджеруЭконометрика↔ compare
- Тест причинности по Грейнджеру на панельных данныхЭконометрика↔ compare
- Тест причинности Тода-ЯмамотоЭконометрика↔ compare
- Векторная авторегрессия (VAR)Эконометрика↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →