การทดสอบความเป็นเหตุเป็นผลแบบไม่เชิงเส้นของ Toda-Yamamoto
การทดสอบความเป็นเหตุเป็นผลแบบไม่เชิงเส้นของ Toda-Yamamoto เป็นการขยายขั้นตอนการปรับปรุงของ Wald (modified Wald procedure) แบบดั้งเดิมของ Toda-Yamamoto (1995) เพื่อตรวจจับความเชื่อมโยงเชิงสาเหตุที่ซ่อนอยู่ในค่าเฉลี่ยของอนุกรม แต่ปรากฏผ่านพลวัตที่ไม่เชิงเส้น เช่น ความไม่สมมาตร ผลกระทบจากเกณฑ์ หรือการส่งผ่านความผันผวน โดยจะทำการประมาณค่าแบบจำลอง VAR ที่เพิ่มพหุคูณ (augmented VAR) บนอนุกรมที่แปลงอันดับ (rank-transformed) หรือแปลงในรูปแบบไม่เชิงเส้นอื่น ๆ และใช้การทดสอบ Wald แบบไคกำลังสอง (chi-squared Wald test) กับสัมประสิทธิ์ของพหุคูณเพิ่มเติม
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 ↗
- Sims, C. A., Stock, J. H., & Watson, M. W. (1990). Inference in linear time series models with some unit roots. Econometrica, 58(1), 113-144. DOI: 10.2307/2938337 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Nonlinear Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/th/econometrics/nonlinear-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.
- การทดสอบสหการ (Johansen / Engle-Granger)เศรษฐมิติ↔ compare
- การทดสอบความเป็นเหตุเป็นผลแบบแกรนเจอร์ (Granger Causality Test)เศรษฐมิติ↔ compare
- การทดสอบเหตุผลแบบกรานเจอร์แบบไม่เชิงเส้นเศรษฐมิติ↔ compare
- การทดสอบความเป็นเหตุเป็นผลแบบ Toda-Yamamoto Grangerเศรษฐมิติ↔ compare
- แบบจำลอง Vector Autoregression (VAR)เศรษฐมิติ↔ compare