@techreport{Schulze2004Granger,
abstract = {Granger unterstellt in seinem Kausalit\"{a}tskonzept station\"{a}re Daten. Zeitreihendaten weisen aber oft Trend- und/oder Saison-Einfl\"{u}sse auf, die vor einer Sch\"{a}tzung eliminiert oder modelliert werden m\"{u}ssen. Ausgangspunkt der Stationarit\"{a}tspr\"{u}fung im VAR-Modell sind meist Einheitswurzeltests. Die Eliminierung von Trend/Saison bedeutet einen Informationsverlust, weshalb bei differenzstation\"{a}ren Prozessen die Formulierung von Fehlerkorrekturmodellen angezeigt ist, die die Unterscheidung von lang- und kurzfristiger Granger- Kausalit\"{a}t erlauben. Toda/Yamamoto zeigen einen VAR-Ansatz mit Niveauvariablen, ohne da\ss{} die herk\"{o}mmlichen Tests zur Granger-Kausalit\"{a}tspr\"{u}fung ihre Anwendbarkeit verlieren. --  -- For the testing of Granger-causality stationarity of data is obligatory. But economic time series data often contain trend and/or seasonal factors. Several procedures are known to model or eliminate these influences. Unit root tests are often used to construct trend- or differencestationary processes in a VAR-model. Considering the error correction approach (VARECM) it is possible to distinguish between short- and long-run Granger-causality. Toda/Yamamoto reveal a way how traditional tests for Granger-causality can be used in a VAR-model with the original variables.},
author = {Peter M. Schulze},
copyright = {http://www.econstor.eu/dspace/Nutzungsbedingungen},
keywords = {330; Kausalanalyse; VAR-Modell; Theorie},
language = {ger},
number = {28},
title = {Granger-Kausalit\"{a}tspr\"{u}fung : Eine anwendungsorientierte Darstellung},
type = {Arbeitspapier / Institut f\"{u}r Statistik und \"{O}konometrie, STATOEK},
url = {http://hdl.handle.net/10419/22306},
year = {2004}
}
