Icke-linjärt Toda-Yamamoto kausalitetstest
Det icke-linjära Toda-Yamamoto kausalitetstestet utökar den klassiska Toda-Yamamoto (1995) modifierade Wald-proceduren för att upptäcka kausala samband som är dolda i seriernas medelvärden men manifesteras genom icke-linjär dynamik såsom asymmetrier, tröskeleffekter eller volatilitetsöverföring. Det anpassar en augmenterad VAR-modell på rangtransformerade eller på annat sätt icke-linjärt mappade serier och tillämpar ett chi-två Wald-test på koefficienterna för de extra laggen.
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 ↗
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Nonlinear Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/sv/econometrics/nonlinear-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.
- Johansen / Engle-Granger kointegrationstestEkonometri↔ jämför
- Granger kausalitetstestEkonometri↔ jämför
- Icke-linjärt Granger-kausalitetstestEkonometri↔ jämför
- Toda-Yamamotos Granger-kausalitetstestEkonometri↔ jämför
- Vektorautoregressionsmodell (VAR)Ekonometri↔ jämför
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →