ความเป็นเหตุเป็นผลแบบ Granger เชิงเบย์ (Bayesian Granger Causality)
การทดสอบความเป็นเหตุเป็นผลแบบ Granger เชิงเบย์ (Bayesian Granger causality) จะตรวจสอบว่าค่าในอดีตของอนุกรมเวลาหนึ่งสามารถให้ข้อมูลเชิงพยากรณ์เกี่ยวกับอนุกรมเวลาอื่นได้หรือไม่ โดยกำหนดสมมติฐานผ่านการอนุมานแบบเบย์ (Bayesian inference) แทนที่จะใช้ค่า p-value แบบความถี่นิยม (frequentist) วิธีนี้รวมโครงสร้างแบบเวกเตอร์อัตถดถอย (vector autoregressive: VAR) เข้ากับการแจกแจงแบบก่อนหน้า (prior distributions) ของสัมประสิทธิ์ และประเมินข้อกล่าวอ้างเชิงสาเหตุผ่านความน่าจะเป็นภายหลัง (posterior probabilities) หรือปัจจัยเบย์ (Bayes factors) ซึ่งเป็นทางเลือกเชิงความน่าจะเป็นและมีความละเอียดอ่อนกว่าการทดสอบ Granger แบบดั้งเดิม
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Granger Causality Analysis. ScholarGate. https://scholargate.app/th/econometrics/bayesian-granger-causality
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- แบบจำลอง VAR แบบเบย์ (BVAR)เศรษฐมิติ↔ compare
- แบบจำลองการแก้ไขข้อผิดพลาดเวกเตอร์แบบเบย์ (Bayesian VECM)เศรษฐมิติ↔ compare
- การทดสอบสาเหตุแบบแกรนเจอร์ (Granger Causality Test)เศรษฐมิติ↔ compare
- การทดสอบสมมติฐานแบบพาเนลของ Granger Causalityเศรษฐมิติ↔ compare
- การทดสอบความเป็นเหตุเป็นผลแบบ Toda-Yamamotoเศรษฐมิติ↔ compare
- แบบจำลองการถดถอยอัตโนมัติแบบเวกเตอร์ (VAR)เศรษฐมิติ↔ compare