การทดสอบความเป็นเหตุเป็นผลแบบเบย์เซียน Toda-Yamamoto
กระบวนการความเป็นเหตุเป็นผลแบบเบย์เซียน Toda-Yamamoto ผสมผสานกลยุทธ์การเพิ่มค่า VAR ของ Toda-Yamamoto — ซึ่งหลีกเลี่ยงความจำเป็นในการทดสอบก่อนเกี่ยวกับอันดับการรวมตัวและความสัมพันธ์สหการ — เข้ากับการปรับปรุงข้อมูลก่อนและหลังแบบเบย์เซียน กระบวนการนี้ทดสอบความเป็นเหตุเป็นผลแบบกรานเจอร์ (Granger non-causality) ระหว่างอนุกรมเวลาที่อาจมีการรวมตัว (integrated) หรือมีความสัมพันธ์สหการ (cointegrated) โดยไม่จำเป็นต้องทำการหาผลต่าง (differencing) หรือการสร้างแบบจำลองการแก้ไขข้อผิดพลาด (error-correction modeling) ขณะเดียวกันก็รวมข้อมูลก่อนหน้า (prior information) และสร้างการแจกแจงความน่าจะเป็นหลัง (posterior distributions) สำหรับพารามิเตอร์ความเป็นเหตุเป็นผล
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
- Zellner, A. (1971). An Introduction to Bayesian Inference in Econometrics. Wiley. ISBN: 978-0471982326
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/th/econometrics/bayesian-toda-yamamoto-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.
- การทดสอบความเป็นเหตุเป็นผลแบบแกรนเจอร์ (Granger Causality Test)เศรษฐมิติ↔ compare
- การทดสอบความเป็นเหตุเป็นผลแบบ Toda-Yamamoto Grangerเศรษฐมิติ↔ compare
- แบบจำลองการถดถอยอัตโนมัติแบบเวกเตอร์ (VAR)เศรษฐมิติ↔ compare