Fourier Toda-Yamamoto Granger Nedensellik Testi
Fourier Toda-Yamamoto Granger Causality Test · Ayrıca şöyle bilinir: FTY causality, Fourier TY causality, Toda-Yamamoto causality with Fourier approximation, FTY Granger causality
Fourier Toda-Yamamoto (FTY) nedensellik testi, klasik Toda-Yamamoto prosedürünü, artırılmış VAR'a Fourier trigonometrik terimler ekleyerek genişletir; bu terimler, deterministik bileşendeki pürüzsüz, kademeli yapısal kırılmaları yakalamak için kullanılır. Toda-Yamamoto yaklaşımının temel avantajını korur – yani entegrasyon veya eşbütünleşme derecesi için ön test yapmadan Granger nedenselliği test edilebilir – aynı zamanda kırılmalar meydana geldiğinde istatistiksel büyüklüğü ve gücü önemli ölçüde iyileştirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Orta derecede uzun zaman serileriniz (T >= 50, tercihen >= 80) olduğunda ve entegre olmayan ve kademeli yapısal değişime maruz kalabilecek ekonomik veya finansal değişkenler (örneğin, petrol fiyatları, enerji tüketimi, ticaret akışları veya farklı politika rejimleri boyunca makroekonomik agregalar) olduğunda FTY nedenselliğini kullanın. Veriler büyük yapısal olayları (finansal krizler, politika değişiklikleri, teknolojik geçişler) kapsıyorsa, yanlış belirtilmiş deterministikler büyüklük bozulmasını şişirdiği için test, standart Toda-Yamamoto testine göre daha uygundur. Seriler pürüzsüz geçişler yerine keskin, ani kırılmalar sergiliyorsa FTY kullanmayın – bu durumda kukla değişkenli veya Hatemi-J prosedürü daha uygundur – ve çok kısa serilerde (T < 40) Fourier terimleri çok fazla serbestlik derecesi tükettiği için kaçının.
Güçlü yönler & sınırlılıklar
- Araştırmacının sayılarını veya zamanlamalarını bilmesini gerektirmeden pürüzsüz, kademeli yapısal kırılmaları ele alır.
- Toda-Yamamoto avantajını miras alır: MWALD testini uygulamadan önce entegrasyon veya eşbütünleşme için ön test yapmaya gerek yoktur.
- Değiştirilmiş Wald istatistiği, karışık entegrasyon dereceleri (I(0), I(1), I(2)) altında asimptotik ki-kare dağılımını korur.
- Düşük boyutlu Fourier yaklaşımı (genellikle k = 1 veya 2), kukla değişkenli kırılma yaklaşımlarına kıyasla serbestlik derecesi maliyetini en aza indirir.
- Hem iki değişkenli hem de çok değişkenli VAR sistemlerine uygulanabilir.
- Yeterince uzun bir zaman serisi gerektirir; T < 50 olduğunda ki-kare yaklaşımı bozulur ve bootstrap kritik değerleri tavsiye edilir.
- Fourier terimleri pürüzsüz kırılmaları emebilir ancak keskin, ani yapısal kırılmaları yeterince yakalayamaz (bunlar için Hatemi-J veya kukla değişkenli testleri kullanın).
- d-max ek gecikmelerini ve Fourier regresörlerini eklemek, küçük örneklemlerde gücü azaltabilen serbestlik derecelerini azaltır.
- RSS minimizasyonu ile optimal frekans seçimi, k için üst sınır çok yüksek ayarlanırsa aşırı uyuma neden olabilir.
- Tüm VAR tabanlı nedensellik testleri gibi, sonuçlar gecikme uzunluğu seçimine duyarlı olabilir; farklı bilgi kriterleri farklı sonuçlar verebilir.
SSS
FTY, standart Toda-Yamamoto testinden nasıl farklıdır?
Standart Toda-Yamamoto testi, durağan olmama durumunu ele almak için VAR'ı ek gecikmelerle artırır ancak kararlı bir deterministik bileşen varsayar. FTY, kesme noktası veya eğilimdeki pürüzsüz yapısal kırılmaları esnek bir şekilde yaklaştıran Fourier trigonometrik terimleri ekleyerek, bu tür kırılmaların olduğu durumlarda büyüklüğü ve gücü iyileştirir.
FTY nedenselliğini uygulamadan önce birim kök veya eşbütünleşme testi yapmam gerekir mi?
Hayır. Orijinal Toda-Yamamoto prosedürü gibi, FTY de yalnızca sistemdeki maksimum entegrasyon derecesi d-max'ı belirlemeyi gerektirir (genellikle birim kök testleri yoluyla), tam bir eşbütünleşme analizi değil. MWALD istatistiği, değişkenlerin I(0), I(1) veya eşbütünleşmiş olup olmadığından bağımsız olarak geçerlidir.
Fourier frekansı k'yi nasıl seçerim?
Artırılmış VAR'ı k=1'den belirli bir üst sınıra (genellikle 5) kadar her tamsayı değeri için tahmin edin ve kareler toplamı hatalarını minimize eden k'yi seçin. Genellikle tek bir Fourier frekansı yeterlidir; ikiden fazla kullanmak nadiren haklı gösterilir ve serbestlik derecesi maliyetine neden olur.
Güvenilir sonuçlar için ne kadar örneklem büyüklüğü gereklidir?
Asimptotik ki-kare yaklaşımının makul ölçüde iyi çalışması için yaklaşık 50 gözlem minimum gereklidir ve T >= 80 tercih edilir. Daha küçük örneklemler için, bootstrap kritik değerleri (örneğin, 2000 tekrar) asimptotik ki-kare kritik değerlerinin yerini almalıdır.
FTY, ikiden fazla değişken içeren çok değişkenli bir VAR'da kullanılabilir mi?
Evet. Prosedür doğal olarak k değişkenli bir VAR'a genişler: Fourier terimleri ve ek d-max gecikmeleri her denkleme eklenir ve her potansiyel nedensel değişkenin ilk-p gecikmelerindeki Wald testi denklem denklem yürütülür.
Kaynaklar
- Yilanci, V., & Ozgur, O. (2019). Testing the Fourier Toda-Yamamoto causality test with an application to energy demand. Energy Economics, 84, 104498. link ↗
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Fourier Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/tr/econometrics/fourier-toda-yamamoto-causality
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Granger Nedensellik TestiEkonometri↔ karşılaştır
- Toda-Yamamoto Granger Nedensellik TestiEkonometri↔ karşılaştır
- Vektör Otoregresyon (VAR) ModeliEkonometri↔ karşılaştır