Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen:
https://hdl.handle.net/10419/22306
Kompletter Metadatensatz
DublinCore-Feld | Wert | Sprache |
---|---|---|
dc.contributor.author | Schulze, Peter M. | en |
dc.date.accessioned | 2009-01-29T14:56:01Z | - |
dc.date.available | 2009-01-29T14:56:01Z | - |
dc.date.issued | 2004 | - |
dc.identifier.uri | http://hdl.handle.net/10419/22306 | - |
dc.description.abstract | Granger unterstellt in seinem Kausalitätskonzept stationäre Daten. Zeitreihendaten weisen aber oft Trend- und/oder Saison-Einflüsse auf, die vor einer Schätzung eliminiert oder modelliert werden müssen. Ausgangspunkt der Stationaritätsprüfung im VAR-Modell sind meist Einheitswurzeltests. Die Eliminierung von Trend/Saison bedeutet einen Informationsverlust, weshalb bei differenzstationären Prozessen die Formulierung von Fehlerkorrekturmodellen angezeigt ist, die die Unterscheidung von lang- und kurzfristiger Granger- Kausalität erlauben. Toda/Yamamoto zeigen einen VAR-Ansatz mit Niveauvariablen, ohne daß die herkömmlichen Tests zur Granger-Kausalitätsprüfung ihre Anwendbarkeit verlieren. | en |
dc.language.iso | ger | en |
dc.publisher | |aJohannes-Gutenberg-Universität Mainz, Institut für Statistik und Ökonometrie |cMainz | en |
dc.relation.ispartofseries | |aArbeitspapier |x28 | en |
dc.subject.ddc | 330 | en |
dc.subject.stw | Kausalanalyse | en |
dc.subject.stw | VAR-Modell | en |
dc.subject.stw | Theorie | en |
dc.title | Granger-Kausalitätsprüfung: Eine anwendungsorientierte Darstellung | - |
dc.type | Working Paper | en |
dc.identifier.ppn | 471245178 | en |
dc.description.abstracttrans | 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. | en |
dc.rights | http://www.econstor.eu/dspace/Nutzungsbedingungen | en |
dc.identifier.repec | RePEc:zbw:maista:28 | en |
Datei(en):
Publikationen in EconStor sind urheberrechtlich geschützt.