เปรียบเทียบวิธี

	การทดสอบเหตุผลแบบกรานเจอร์แบบไม่เชิงเส้น	แบบจำลอง VAR ไม่เชิงเส้น (Nonlinear VAR Model)
สาขาวิชา	เศรษฐมิติ	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1992-2006	1990s–2000s
ผู้ริเริ่ม	Baek & Brock (1992); Hiemstra & Jones (1994); Diks & Panchenko (2006)	Tsay (1998); Krolzig (1997); Tong (1990) for threshold framework
ประเภท	Nonparametric causality test	Multivariate nonlinear time series model
แหล่งต้นตำรับ	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.	Tsay, R. S. (1998). Testing and modeling multivariate threshold models. Journal of the American Statistical Association, 93(443), 1188–1202.
ชื่อเรียกอื่น	nonlinear causality test, BDS-based causality, Diks-Panchenko test, nonparametric Granger causality	NLVAR, nonlinear vector autoregression, threshold VAR, TVAR
ที่เกี่ยวข้อง	6	4
สรุป	Nonlinear Granger causality extends the classic linear Granger causality framework to detect predictive relationships that operate through nonlinear dynamics. Using nonparametric or semi-parametric statistics based on correlation integrals or kernel density estimation, it identifies whether past values of one variable improve forecasts of another beyond what any linear model can capture.	The Nonlinear VAR (NLVAR) model extends the standard vector autoregression by allowing the dynamic relationships among multiple time series to switch or change smoothly depending on an observed threshold variable, a latent regime state, or a smooth transition function. It is used when economic systems exhibit asymmetric responses, regime shifts, or state-dependent dynamics that a linear VAR cannot capture.