เปรียบเทียบวิธี

	การทดสอบเหตุผลแบบกรานเจอร์แบบไม่เชิงเส้น	การทดสอบความเป็นเหตุเป็นผลแบบ Toda-Yamamoto
สาขาวิชา	เศรษฐมิติ	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1992-2006	1995
ผู้ริเริ่ม	Baek & Brock (1992); Hiemstra & Jones (1994); Diks & Panchenko (2006)	Toda, H. Y. and Yamamoto, T.
ประเภท	Nonparametric causality test	Causality test
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.	Toda, H. Y., & Yamamoto, T. (1995). Statistical inference in vector autoregressions with possibly integrated processes. Journal of Econometrics, 66(1-2), 225-250.
ชื่อเรียกอื่น	nonlinear causality test, BDS-based causality, Diks-Panchenko test, nonparametric Granger causality	Toda-Yamamoto test, TY causality test, modified Wald test for Granger causality, TY-MWALD
ที่เกี่ยวข้อง	6	5
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 Toda-Yamamoto (TY) causality test is a modified Wald procedure for testing Granger causality in vector autoregressions (VARs) estimated in levels, even when variables are nonstationary or cointegrated. By intentionally over-fitting the VAR with extra lags equal to the maximum integration order, it restores the standard chi-squared asymptotic distribution of the Wald statistic without requiring prior unit-root or cointegration pretesting.