Icke-linjärt Granger-kausalitetstest
Icke-linjär Granger-kausalitet utökar det klassiska linjära Granger-kausalitetsramverket för att upptäcka prediktiva samband som verkar genom icke-linjär dynamik. Genom att använda icke-parametrisk eller semi-parametrisk statistik baserad på korrelationsintegraler eller kärntäthetsuppskattning, identifierar den om tidigare värden av en variabel förbättrar prognoser för en annan utöver vad någon linjär modell kan fånga.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Nonlinear Granger Causality Test. ScholarGate. https://scholargate.app/sv/econometrics/nonlinear-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.
- Granger-kausalitetstestEkonometri↔ compare
- Icke-linjär ARDL (NARDL) gränstestEkonometri↔ compare
- Icke-linjärt VAR-modellEkonometri↔ compare
- Icke-linjär VECM (Nonlinear VECM)Ekonometri↔ compare
- Toda-Yamamoto-kausalitetstestEkonometri↔ compare
- Vektorautoregression (VAR)Ekonometri↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →