เปรียบเทียบวิธี

	การทดสอบเหตุผลแบบกรานเจอร์แบบไม่เชิงเส้น	แบบจำลองการแก้ไขข้อผิดพลาดแบบเวกเตอร์ไม่เชิงเส้น (Nonlinear VECM)
สาขาวิชา	เศรษฐมิติ	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1992-2006	1989–1998
ผู้ริเริ่ม	Baek & Brock (1992); Hiemstra & Jones (1994); Diks & Panchenko (2006)	Granger & Lee (1989); Enders & Granger (1998)
ประเภท	Nonparametric causality test	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.	Enders, W., & Granger, C. W. J. (1998). Unit-root tests and asymmetric adjustment with an example using the term structure of interest rates. Journal of Business & Economic Statistics, 16(3), 304–311.
ชื่อเรียกอื่น	nonlinear causality test, BDS-based causality, Diks-Panchenko test, nonparametric Granger causality	nonlinear VECM, NVECM, threshold VECM, asymmetric VECM
ที่เกี่ยวข้อง	6	2
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 VECM extends the standard linear VECM by allowing the speed of adjustment toward long-run equilibrium to differ depending on the sign, magnitude, or regime of deviations from that equilibrium. It captures asymmetric or threshold-driven dynamics in cointegrated time-series systems that a standard VECM would miss.