Doğrusal Olmayan Granger Nedensellik Testi
Nonlinear Granger Causality Test · Ayrıca şöyle bilinir: nonlinear causality test, BDS-based causality, Diks-Panchenko test, nonparametric Granger causality
Doğrusal olmayan Granger nedenselliği, doğrusal olmayan dinamikler aracılığıyla işleyen öngörüsel ilişkileri tespit etmek için klasik doğrusal Granger nedensellik çerçevesini genişletir. Korelasyon integralleri veya çekirdek yoğunluk tahminine dayanan parametrik olmayan veya yarı-parametrik istatistikler kullanarak, bir değişkenin geçmiş değerlerinin, herhangi bir doğrusal modelin yakalayabileceğinden daha fazlasını iyileştirip iyileştirmediğini belirler.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Doğrusal olmayan Granger nedenselliği, doğrusal Granger testleri önemli bir ilişki göstermediğinde ancak teori veya keşif analizi doğrusal olmayan kanallar aracılığıyla bir nedensel bağ olabileceğini öne sürdüğünde kullanılır — finansal piyasalarda, enerji piyasalarında ve makroekonomik rejim değişimli ortamlarda yaygındır. Ayrıca, doğrusal nedensellik testinden elde edilen artıkların doğrusal olmayan seri bağımlılığı sergilemesi durumunda da uygundur (bir BDS testi ile tespit edilir). Eğer iyi tanımlanmış bir doğrusal VAR dinamikleri yeterince yakalıyorsa, ilk basamak testi olarak kullanılmamalıdır; ek karmaşıklık ve küçük örneklemlerdeki düşük güç gereksiz kılar. Zaman serilerinin çok kısa olduğu durumlarda kaçının (yaklaşık 100 gözlemden az), çünkü parametrik olmayan istatistikler güvenilir yoğunluk tahmini için yeterli veri gerektirir.
Güçlü yönler & sınırlılıklar
- Doğrusal Granger nedenselliğinin görünmez olduğu nedensel ilişkileri, eşik, rejim değişimi ve volatilite kaynaklı kanallar dahil olmak üzere tespit eder.
- Modelden bağımsız: nedensel mekanizma üzerinde belirli bir fonksiyonel form dayatmaz.
- Diks-Panchenko düzeltmesi, önceki Hiemstra-Jones istatistiğinde bulunan aşırı reddetme yanlılığını önler.
- Ön-beyazlatma sonrası durağan artıklara uygulanabilir, bu da onu standart ekonometrik iş akışlarıyla uyumlu hale getirir.
- Asimetrik nedenselliği belirler: X, Y'yi doğrusal olmayan bir şekilde etkileyebilirken Y, X'i etkilemeyebilir.
- Parametrik olmayan yoğunluk tahmini için nispeten büyük örneklemler gerektirir; 100 gözlemden az olduğunda güç keskin bir şekilde düşer.
- Sonuçlar bant genişliği, gecikme uzunluğu ve gömme boyutu seçimine duyarlıdır; evrensel olarak kabul edilmiş bir seçim kuralı yoktur.
- Yanlış tanımlanmış bir doğrusal modelle ön-beyazlatma, tüm doğrusal dinamikleri kaldıramayabilir ve doğrusal olmayan testi kirletebilir.
- Doğrusal olmayan ilişkinin yapısal formunu veya yönünü belirlemez — yalnızca varlığını belirtir.
- Hesaplama açısından yoğundur, özellikle bootstrap kritik değerleri kullanıldığında.
SSS
Doğrusal olmayan Granger nedenselliği, standart Granger nedensellik testinden nasıl farklıdır?
Standart test, doğrusal VAR modellerini uydurur ve F-testlerini kullanır. Doğrusal olmayan Granger nedenselliği, yalnızca doğrusal değil, herhangi bir öngörüsel bağımlılık biçimini tespit edebilen parametrik olmayan istatistikler kullanır. Genellikle, gerçekten doğrusal olmayan bileşeni izole etmek için bir doğrusal VAR'dan elde edilen artıklara uygulanır.
Neden Diks-Panchenko istatistiği Hiemstra-Jones'a tercih edilir?
Hiemstra ve Jones (1994), istatistiğin, hiçbiri yokken bile nedensellik yokluğu boş hipotezini aşırı reddettiğini ve bu da yanlış bulgulara yol açtığını gösterdi. Diks ve Panchenko (2006), yanlılığın kaynağını belirlediler ve doğru asimptotik büyüklüğe sahip düzeltilmiş bir istatistik türettiler.
Bant genişliğini ve gömme boyutunu nasıl seçerim?
Yaygın uygulama Diks ve Panchenko (2006) tarafından takip edilir: gömme boyutunu m=1 veya 2 olarak ayarlayın ve bant genişliğini örnek standart sapmasının bir kesri olarak seçin (tipik olarak T^{-2/7} katı). Bir dizi bant genişliği boyunca duyarlılık analizi şiddetle tavsiye edilir.
Reddetme, bir doğrusal olmayan nedensel model bulduğum anlamına mı geliyor?
Hayır. Reddetme, X'ten Y'ye bir tür doğrusal olmayan öngörüsel bağımlılığın var olduğunu gösterir, ancak fonksiyonel formu belirtmez. Mekanizmayı karakterize etmek için eşik VAR'ları, Markov-geçiş modelleri veya yumuşak geçiş modelleri ile takip modellemesi gereklidir.
Güvenilir sonuçlar için ne kadar örneklem büyüklüğü gereklidir?
Pratik bir kılavuz olarak, parametrik olmayan istatistikler için en az 100 gözlem önerilir; 200 veya daha fazlası tercih edilir. Çok küçük örneklemlerde çekirdek yoğunluk tahminleri güvenilmezdir ve testin gücü düşüktür.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Nonlinear Granger Causality Test. ScholarGate. https://scholargate.app/tr/econometrics/nonlinear-granger-causality
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Granger Nedensellik TestiEkonometri↔ karşılaştır
- Doğrusal Olmayan ARDL (NARDL) Sınır TestiEkonometri↔ karşılaştır
- Doğrusal Olmayan VAR ModeliEkonometri↔ karşılaştır
- Doğrusal Olmayan Vektör Hata Düzeltme Modeli (Doğrusal Olmayan VECM)Ekonometri↔ karşılaştır
- Toda-Yamamoto Nedensellik TestiEkonometri↔ karşılaştır
- Vektör Otoregresyon (VAR)Ekonometri↔ karşılaştır