การทดสอบเหตุผลแบบกรานเจอร์แบบไม่เชิงเส้น
การทดสอบเหตุผลแบบกรานเจอร์แบบไม่เชิงเส้นเป็นการขยายกรอบการทดสอบเหตุผลแบบกรานเจอร์เชิงเส้นแบบคลาสสิก เพื่อตรวจจับความสัมพันธ์เชิงทำนายที่เกิดขึ้นผ่านพลวัตแบบไม่เชิงเส้น โดยใช้สถิติแบบไม่ขึ้นกับรูปแบบ (nonparametric) หรือแบบกึ่งขึ้นกับรูปแบบ (semi-parametric) ซึ่งอิงตามอินทิกรัลความสัมพันธ์ (correlation integrals) หรือการประมาณค่าความหนาแน่นแบบเคอร์เนล (kernel density estimation) การทดสอบนี้จะระบุว่าค่าในอดีตของตัวแปรหนึ่งสามารถปรับปรุงการคาดการณ์ของตัวแปรอื่นได้ดีกว่าที่แบบจำลองเชิงเส้นใดๆ จะสามารถจับได้หรือไม่
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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. DOI: 10.1016/j.jedc.2005.08.008 ↗
- Hiemstra, C., & Jones, J. D. (1994). Testing for linear and nonlinear Granger causality in the stock price-volume relation. Journal of Finance, 49(5), 1639-1664. DOI: 10.1111/j.1540-6261.1994.tb04776.x ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Nonlinear Granger Causality Test. ScholarGate. https://scholargate.app/th/econometrics/nonlinear-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.
- การทดสอบสาเหตุแบบแกรนเจอร์ (Granger Causality Test)เศรษฐมิติ↔ compare
- การทดสอบขอบเขตของ ARDL แบบไม่เชิงเส้น (NARDL)เศรษฐมิติ↔ compare
- แบบจำลอง VAR ไม่เชิงเส้น (Nonlinear VAR Model)เศรษฐมิติ↔ compare
- แบบจำลองการแก้ไขข้อผิดพลาดแบบเวกเตอร์ไม่เชิงเส้น (Nonlinear VECM)เศรษฐมิติ↔ compare
- การทดสอบความเป็นเหตุเป็นผลแบบ Toda-Yamamotoเศรษฐมิติ↔ compare
- แบบจำลองการถดถอยอัตโนมัติแบบเวกเตอร์ (VAR)เศรษฐมิติ↔ compare