Hatemi-J Asimetrik Nedensellik Testi
Hatemi-J Asymmetric Causality Test · Ayrıca şöyle bilinir: Hatemi-J Asymmetric Causality Test, Asymmetric Causality Test, Positive and Negative Causality Test, Asimetrik Nedensellik Testi
Abdulnasser Hatemi-J tarafından 2012'de tanıtılan Hatemi-J asimetrik nedensellik testi, entegre zaman serilerinin pozitif ve negatif bileşenleri arasındaki nedensel ilişkilerin farklı olmasına izin vermek için Granger nedensellik çerçevesini genişletir. Her seriyi kümülatif pozitif ve negatif kısmi toplamlarına ayrıştırarak ve Toda-Yamamoto yaklaşımını bir VAR'a gömerek, test araştırmacıların pozitif şokların, negatif şokların veya her ikisinin ekonomik değişkenler arasındaki nedenselliği yönlendirip yönlendirmediğini ayırt etmelerini sağlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Pozitif ve negatif şokların bir değişkende diğerine farklı tahmin etkileri olduğunu düşündüğünüzde ve seriler bir veya muhtemelen iki mertebeden entegre olduğunda Hatemi-J asimetrik nedensellik testini kullanın. Test, makroekonomik ve finansal panel veya zaman serisi verileri için uygundur; burada boom-bust asimetrileri teorik olarak gerekçelendirilmiştir—örneğin, enerji fiyatları ve çıktı, döviz kurları ve ticaret dengeleri veya hisse senedi getirileri ve ekonomik faaliyet. Ön koşullar arasında güvenilir bootstrap çıkarımı için yeterli örneklem uzunluğu (en az 80-100 gözlem tavsiye edilir) ve VAR'ı geçersiz kılacak kadar şiddetli yapısal kırılmaların olmaması yer alır. Seriler durağansa, OLS ile standart asimetrik Granger nedenselliği yeterlidir; eşbütünleşme varsa, asimetrik bir hata düzeltme modeli tercih edilebilir.
Güçlü yönler & sınırlılıklar
- Simetrik Granger veya Toda-Yamamoto testlerinin tespit edemediği asimetrik nedensel dinamikleri yakalar, pozitif ve negatif etkiler birbirini götürdüğünde yanıltıcı sıfır sonuçları önler.
- Toda-Yamamoto artırma stratejisini miras alır, birim kökler ve eşbütünleşme için ön test yapmaktan kaçınır ve geçerli asimptotik çıkarımı korur.
- Bootstrap kritik değerleri, ki-kare yaklaşımlarına kıyasla sonlu örneklem boyut doğruluğunu iyileştirir.
- Farklı mertebelerden entegre olmuş serilere (I(0), I(1), I(2)) uygulanabilir, bu da onu ekonometrik bağlamlarda esnek hale getirir.
- Bootstrap çıkarımı için güvenilir olması amacıyla makul derecede büyük bir örneklem gerektirir; küçük örneklemler boyut bozulmasını artırır.
- Kısmi toplamlara ayrıştırma, bir dönem içindeki işaret değişikliklerinin zamanlaması ve büyüklüğü hakkındaki bilgileri atar, bu da yüksek frekanslı veriler için ilgili olabilir.
- Test, asimetrik yanıtın dinamik yolunu modellemez (tepki fonksiyonları doğrusal olmayan IRF'ler gibi ek araçlar gerektirir).
- VAR gecikme uzunluğu p'nin seçimi sonuçları önemli ölçüde etkileyebilir ve standart bilgi kriterleri, artırılmış sistemde uyum ve tutumluluğu en iyi şekilde dengelemeyebilir.
SSS
Bu test standart Granger nedenselliğinden nasıl farklıdır?
Standart Granger nedenselliği, orijinal seriler üzerinde tek bir VAR tahmin eder, örtük olarak pozitif ve negatif hareketlerin aynı tahmin içeriğine sahip olduğunu varsayar. Hatemi-J testi, her seriyi kümülatif pozitif ve negatif kısımlara ayırır ve tüm dört bileşen kombinasyonu arasındaki nedenselliği test eder, nedenselliğin artışlar, azalışlar veya her ikisi aracılığıyla asimetrik olarak mı ilerlediğini ortaya çıkarır.
Bu testi uygulamadan önce eşbütünleşme testi yapmam gerekir mi?
Hayır. Toda-Yamamoto mantığını izleyerek, test seviyelerde tahmin edilen VAR'a d_max ek gecikme ekler, bu da serilerin eşbütünleşik olup olmadığına bakılmaksızın Wald istatistiğinin asimptotik ki-kare geçerliliğini korur. Bu, ön test ihtiyacını ortadan kaldırır ve ilişkili sıralı boyut bozulmasını önler.
Tipik olarak kaç bootstrap tekrarı yeterlidir?
Literatürde genellikle bu bağlamda güvenilir p-değeri tahmini için en az 1.000 bootstrap tekrarı önerilir; yayınlanmış uygulamalarda ise dağılımın kararlılığını ve geleneksel anlamlılık eşiklerine yakın doğru çıkarımı sağlamak için 2.000-10.000 tekrar kullanılmıştır.
Kaynaklar
- Hatemi-J, A. (2012). Asymmetric causality tests with an application. Empirical Economics, 43(1), 447–456. DOI: 10.1007/s00181-011-0484-x ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Hatemi-J Asymmetric Causality Test. ScholarGate. https://scholargate.app/tr/econometrics/hatemi-j-asymmetric-causality
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Granger Nedensellik TestiEkonometri↔ karşılaştır
- Hatemi-J İki Rejim Kayması ile Eş Bütünleşme TestiEkonometri↔ karşılaştır
- Toda-Yamamoto Granger Nedensellik TestiEkonometri↔ karşılaştır