Toda-Yamamoto-kausalitetstest
Toda-Yamamoto-testet (TY) är en modifierad Wald-procedur för att testa Granger-kausalitet i vektorsautoregressioner (VAR) estimerade i nivåer, även när variabler är icke-stationära eller kointegrerade. Genom att avsiktligt överanpassa VAR-modellen med extra lags motsvarande den maximala integrationsordningen, återställs den vanliga chi-två asymptotiska fördelningen för Wald-statistiken utan att kräva föregående enhetsrot- eller kointegrationstestning.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
+2 till
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 ↗
- Dolado, J. J., & Lütkepohl, H. (1996). Making Wald tests work for cointegrated VAR systems. Econometric Reviews, 15(4), 369-386. DOI: 10.1080/07474939608800362 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Toda-Yamamoto Modified Wald Causality Test. ScholarGate. https://scholargate.app/sv/econometrics/toda-yamamoto-causality-test
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.
- ARIMA-modell (Autoregressiv Integrerad Glidande Medelvärdesmodell)Ekonometri↔ jämför
- Augmented Dickey-Fuller (ADF) enhetsrotstestEkonometri↔ jämför
- Granger-kausalitetstestEkonometri↔ jämför
- Vektorautoregression (VAR)Ekonometri↔ jämför
- Vektorfelkorrigeringsmodell (VECM)Ekonometri↔ jämför
Refereras av
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →