ScholarGate
Assistent
Regression modelEconometrics / time series

Fourier Toda-Yamamoto Granger-kausalitetstest

Fourier Toda-Yamamoto (FTY)-kausalitetstestet utvidgar den klassiska Toda-Yamamoto-proceduren genom att inkorporera Fourier-trigonometriska termer i den augmentade VAR-modellen för att fånga jämna, gradvisa strukturella brott i den deterministiska komponenten. Det behåller den centrala fördelen med Toda-Yamamoto-metoden – att Granger-kausalitet kan testas utan föregående testning av integrations- eller kointegrationsordning – samtidigt som det dramatiskt förbättrar storlek och styrka när brott inträffar.

Tillämpa med EconMindSnartApply, compare, get guidance
Tools & resources
Ladda ner bildspel
Learn & explore
VideoSnart

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

  1. Yilanci, V., & Ozgur, O. (2019). Testing the Fourier Toda-Yamamoto causality test with an application to energy demand. Energy Economics, 84, 104498. link
  2. 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

Så citerar du den här sidan

ScholarGate. (2026, June 3). Fourier Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/sv/econometrics/fourier-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.

Jämför sida vid sida
ScholarGateFourier Toda-Yamamoto Causality (Fourier Toda-Yamamoto Granger Causality Test). Hämtad 2026-06-18 från https://scholargate.app/sv/econometrics/fourier-toda-yamamoto-causality · Datamängd: https://doi.org/10.5281/zenodo.20539026