Doğrusal Olmayan Toda-Yamamoto Nedensellik Testi
Nonlinear Toda-Yamamoto Granger Causality Test · Ayrıca şöyle bilinir: nonlinear TY causality, rank-based Toda-Yamamoto test, modified Wald nonlinear causality, NTY causality test
Doğrusal Olmayan Toda-Yamamoto nedensellik testi, serilerin ortalamalarında gizlenen ancak asimetriler, eşik etkileri veya volatilite iletimi gibi doğrusal olmayan dinamikler aracılığıyla ortaya çıkan nedensel bağlantıları tespit etmek için klasik Toda-Yamamoto (1995) modifiye edilmiş Wald prosedürünü genişletir. Sıralanmış veya başka şekilde doğrusal olmayan şekilde eşlenmiş seriler üzerinde artırılmış bir VAR modeli uydurur ve ek gecikme katsayıları üzerinde bir ki-kare Wald testi uygular.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Seriler durağan olmayabilir (birim kökler) ve nedensel ilişkilerin ortalama koşullu yerine asimetrik, rejime bağlı veya daha yüksek momentler aracılığıyla iletildiğinden şüpheleniyorsanız Doğrusal Olmayan Toda-Yamamoto nedenselliğini kullanın. Özellikle volatilite taşmaları ve eşik dinamiklerinin yaygın olduğu enerji, emtia ve finansal piyasa verileri için uygundur. Teorik mekanizmanın makul ölçüde doğrusal olduğu ve standart Toda-Yamamoto testiyle iyi yakalandığı durumlarda veya örneklem büyüklüğü çok küçük olduğunda (yaklaşık 60 gözlemden az) asimptotik ki-kare çıkarımı güvenilmez hale geldiği için kullanmayın. Ayrıca, yapısal parametreleri kurtarmak için bir yapısal VAR veya eşbütünleşik bir VECM gerekiyorsa kaçının.
Güçlü yönler & sınırlılıklar
- Standart doğrusal nedensellik testlerinin gözden kaçırdığı doğrusal olmayan dinamiklerde — asimetriler, eşik etkileri ve volatilite iletimi — gizlenen nedensel ilişkileri tespit eder.
- Eşbütünleşme için ön test gerektirmeyen Toda-Yamamoto avantajını miras alır; artırılmış VAR, entegrasyon derecesinden bağımsız olarak geçerli ki-kare çıkarımı sağlar.
- Uygulaması kolaydır: standart modifiye edilmiş Wald prosedürünü uygulamadan önce serilerin sıralanması veya karesinin alınması gibi bir dönüşüm gerektirir.
- Durağan ve durağan olmayan serilere fark alma işlemi yapmadan uygulanabilir, uzun vadeli bilgiyi korur.
- Enerji ekonomisi, finans ve çevre ekonometrisi literatüründe yaygın olarak kabul görmüştür.
- Doğrusal olmayan dönüşümün (sıralamalar, kareler, BDS filtresi) seçimi keyfidir ve farklı dönüşümler çelişkili sonuçlar verebilir.
- Asimptotik ki-kare dağılımı küçük örneklemlerde (n < 60) kötü performans gösterebilir; bootstrap kritik değerleri tavsiye edilir ancak hesaplama maliyetini artırır.
- Doğrusal olmayan kanalın yönünü veya ekonomik doğasını belirlemez — anlamlı bir test yalnızca tahmin edici bağımlılığı doğrular, yapısal nedenselliği değil.
- Gecikme sırası seçimine duyarlıdır; k'nın yanlış belirtilmesi, büyüklüğü artırabilir veya gücü azaltabilir.
- Farklı doğrusal olmayanlık türlerini (asimetri vs. volatilite taşması vs. eşik anahtarlama) ayırt edemez.
SSS
Bu, standart Toda-Yamamoto testinden nasıl farklıdır?
Standart Toda-Yamamoto testi, koşullu ortalamadaki doğrusal tahmin edici nedenselliği tespit eder. Doğrusal olmayan versiyon, doğrusal olmayan dinamikler aracılığıyla iletilen nedensel bağlantıları tespit edebilmek için artırılmış VAR'ı uydurmadan önce bir dönüşüm adımı ekler — tipik olarak serileri sıralamalara veya karesi alınmış değerlere dönüştürür — bu da doğrusal testin tamamen gözden kaçıracağı daha yüksek momentler, asimetriler veya eşik etkileri aracılığıyla iletilen nedensel bağlantıları tespit edebilir.
Sıralamaları neden doğrusal olmayan dönüşüm olarak kullanmalı?
Sıralama dönüşümü, verileri tekdüze bir dağılıma dönüştürerek orijinal marjinal dağılımların etkisini ortadan kaldırır ve testi aykırı değerlere ve ağır kuyruklara karşı dayanıklı hale getirir. Sıralamalar, parametrik ortalama varsayımlarını atarken sıralı bağımlılık yapısını koruduğu için, monoton doğrusal olmayan ilişkileri ortaya çıkarmada etkilidir.
Bu yöntemi uygulamadan önce doğrusal olmama durumu için test yapmam gerekiyor mu?
Önce VAR artıklarına BDS testi gibi bir doğrusal olmama testi uygulamak iyi bir uygulamadır. Artıklar anlamlı bir doğrusal olmama durumu göstermiyorsa, standart Toda-Yamamoto testi yeterlidir ve doğrusal olmayan uzantı, güç kazancı olmadan karmaşıklık katar.
Güvenilir çıkarım için hangi örneklem büyüklüğü yeterlidir?
Kaba bir kılavuz olarak, asimptotik ki-kare çıkarımının güvenilir olması için en az 60 ila 80 gözlem önerilir. Daha küçük örneklemlerde, büyüklük bozulmasını kontrol etmek için asimptotik kesme değerleri yerine bootstrap veya Monte Carlo kritik değerleri kullanılmalıdır.
Bu testi ikiden fazla değişken içeren çok değişkenli bir sistemde kullanabilir miyim?
Evet. Artırılmış VAR birden fazla değişken içerebilir. Her çift veya blok dışlama hipotezi, ilgili katsayı bloğu üzerinde modifiye edilmiş bir Wald istatistiği ile ayrı ayrı test edilir. Testlerin çokluğu kabul edilmeli ve çok sayıda hipotez test edilirse Benjamini-Hochberg gibi düzeltmeler uygulanmalıdır.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Nonlinear Toda-Yamamoto Granger Causality Test. ScholarGate. https://scholargate.app/tr/econometrics/nonlinear-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
- Doğrusal Olmayan Granger Nedensellik TestiEkonometri↔ karşılaştır
- Toda-Yamamoto Granger Nedensellik TestiEkonometri↔ karşılaştır
- Vektör Otoregresyon (VAR) ModeliEkonometri↔ karşılaştır