Fachrichtungen
<< zurück zur Ergebnisliste
vollständigen Artikel abrufen
Granger-Kausalitätsprüfung
Eine anwendungsorientierte Darstellung
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.
Autor
Univ.-Prof. Dr. Peter M. Schulze
 
Working PaperFachbereich
2005Statistik/Ökonometrie
 
Schlagwörter
Fehlerkorrekturmodelle, Granger-Kausalität, Kointegration, Toda/Yamamoto-Ansatz, VAR-Modell, stationäre Daten