Bayesiansk Toda-Yamamoto-kausalitetstest
Proceduren för Bayesiansk Toda-Yamamoto-kausalitet kombinerar Toda-Yamamotos VAR-augmenteringsstrategi — som kringgår behovet av förtestning av integration och kointegration — med Bayesiansk prior-posterior-uppdatering. Den testar Granger-icke-kausalitet mellan tidsserier som kan vara integrerade eller kointegrerade utan att kräva differensiering eller felkorrigeringsmodellering, samtidigt som den införlivar prior-information och producerar fullständiga posterior-fördelningar över de kausala parametrarna.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
- Zellner, A. (1971). An Introduction to Bayesian Inference in Econometrics. Wiley. ISBN: 978-0471982326
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/sv/econometrics/bayesian-toda-yamamoto-causality
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Granger kausalitetstestEkonometri↔ jämför
- Toda-Yamamotos Granger-kausalitetstestEkonometri↔ jämför
- Vektorautoregression (VAR)Ekonometri↔ jämför
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →