Fourier Granger Nedensellik Testi
Fourier Approximation Granger Causality Test · Ayrıca şöyle bilinir: Fourier Granger causality test, Enders-Jones Granger causality, smooth structural break Granger test, spectral Granger causality
Fourier Granger nedensellik testi, klasik Granger nedensellik çerçevesini, VAR denklemine düşük frekanslı Fourier terimleri gömerek genişletir; bu, nedensellik ilişkisinin yapısal kırılmaların sayısını veya konumunu önceden belirlemeyi gerektirmeden zamanla kademeli olarak kaymasına olanak tanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+1 tane daha
Ne zaman kullanılır
Zaman serileri arasındaki nedensel ilişkinin zamanla kademeli olarak değiştiğinden şüpheleniyorsanız — örneğin, küreselleşme, politika değişiklikleri veya teknolojik geçişler nedeniyle — ve kesin kırılma tarihlerini belirleyemiyorsanız Fourier Granger nedenselliğini kullanın. Orta derecede uzun durağan (veya durağanlaştırılmış) zaman serileri için uygundur, tipik olarak en az 80–100 gözlem. Değişkenlerin açıkça I(1) olduğu ve eşbütünleşik olmadığı durumlarda Toda-Yamamoto prosedürünün yerine kullanmayın; bu durumda, Fourier zenginleştirmeli birinci fark alma veya Toda-Yamamoto daha uygundur. Ayrıca, çok keskin, ani kırılmalar beklendiğinde de kullanmaktan kaçının — Bai-Perron veya Zivot-Andrews çerçevesi daha uygun olabilir.
Güçlü yönler & sınırlılıklar
- Araştırmacının kırılma tarihlerini veya sayılarını belirtmesini gerektirmeden pürüzsüz, kademeli yapısal kırılmaları hesaba katar.
- Altta yatan yapısal değişim mevcut olduğunda standart Granger testlerinden daha güçlüdür, yanlış reddetmeme riskini azaltır.
- Hesaplama açısından basittir — az sayıda trigonometrik regresörle zenginleştirilmiş standart OLS aracılığıyla uygulanır.
- Fourier frekansı seçimi adımı veri odaklı ve şeffaftır.
- Finans, enerji ekonomisi ve makroekonomi gibi rejim değişikliklerinin yaygın olduğu çeşitli alanlarda uygulanabilir.
- Yapısal değişimin pürüzsüz ve kademeli olduğu varsayımına dayanır; ani kırılmalar düşük frekanslı Fourier terimleri tarafından iyi yakalanmaz.
- Durağanlık gerektirir (veya önceden test edilmiş durağanlık); testi doğrudan I(1) değişkenlerine uygulamak uygun modifikasyon olmadan Tip I hatayı artırır.
- Performans kısa örneklemlerde (80 gözlemden az) bozulur çünkü trigonometrik terimler serbestlik derecelerini tüketir.
- Test gecikme uzunluğu seçimine duyarlıdır; uygun olmayan gecikme sırası boyut ve gücü bozabilir.
- Yapısal değişimin yönünü veya gerçekleştiği zamanı belirlemez.
SSS
Fourier Granger nedenselliği, standart Granger nedenselliğinden nasıl farklıdır?
Standart Granger nedenselliği, örneklem boyunca sabit parametreler varsayar. Fourier Granger nedenselliği, tahmin edici nedenselliği test etmeden önce pürüzsüz yapısal değişimi emmek için regresyona trigonometrik terimler ekler, bu da onu nedensel ilişkinin kademeli kaymalarına karşı dayanıklı hale getirir.
Hangi Fourier frekansını seçmeliyim?
Artık kareler toplamını veya zenginleştirilmiş denklemdeki AIC gibi bir bilgi kriterini en aza indiren tamsayı frekansı k'yı (1'den yaklaşık 5'e kadar) seçin. Aşırı uydurmayı önlemek için genellikle tek bir düşük frekans (k = 1 veya 2) yeterlidir ve tercih edilir.
Serilerim I(1) olduğunda bu testi kullanabilir miyim?
Standart formda doğrudan değil. Test durağan seriler gerektirir. Değişkenleriniz I(1) ise, ya onları birinci fark alıp eşbütünleşme için kontrol etmeli ya da fark alma yapmadan entegrasyonu hesaba katmak için seviyelerin ek gecikmelerini ekleyen Fourier zenginleştirmeli bir Toda-Yamamoto tarzı yaklaşım kullanmalısınız.
Ne kadar gözleme ihtiyacım var?
Test, en az 80-100 gözlemle iyi performans gösterir. Daha kısa örneklemler gücü azaltır ve Fourier terimlerini ilgilenilen nedensel sinyale göre aşırı uydurma riskini taşır.
Bu, spektral Granger nedenselliği ile aynı mı?
Hayır. Spektral Granger nedenselliği, spektral yöntemler kullanarak nedensel etkiyi frekans bandına göre ayrıştırır. Fourier Granger nedenselliği, standart bir nedensellik F-testi yapmadan önce zaman alanındaki pürüzsüz yapısal değişimi modellemek için yalnızca Fourier terimlerini kullanır.
Kaynaklar
- Enders, W., & Jones, P. (2016). Grain prices, oil prices, and multiple smooth breaks in a VAR. Studies in Nonlinear Dynamics and Econometrics, 20(4), 399–419. DOI: 10.1515/snde-2014-0101 ↗
- Nazlioglu, S., Gormus, N. A., & Soytas, U. (2016). Oil prices and real estate investment trusts (REITs): Gradual-shift causality and volatility transmission analysis. Energy Economics, 60, 168–175. DOI: 10.1016/j.eneco.2016.09.009 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Fourier Approximation Granger Causality Test. ScholarGate. https://scholargate.app/tr/econometrics/fourier-granger-causality
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Fourier ADF Birim Kök TestiEkonometri↔ karşılaştır
- Fourier ARDL Sınır TestiEkonometri↔ karşılaştır
- Granger Nedensellik TestiEkonometri↔ karşılaştır
- Yapısal Kırılma Granger NedenselliğiEkonometri↔ karşılaştır
- Toda-Yamamoto Nedensellik TestiEkonometri↔ karşılaştır
- Vektör Otoregresyon (VAR)Ekonometri↔ karşılaştır