EMPIRICAL LIKELIHOOD TEST FOR CAUSALITY OF BIVARIATE AR(1) PROCESSES
二元 AR(1) 过程因果性检验的经验似然方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究二元自回归过程、非平稳性与时间序列因果性检验，未提供微观因果识别设计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
二元 AR(1) 过程因果性检验的经验似然方法
- 研究问题
- 如何检验二元 AR(1) 过程中的预测因果关系，使推断不必事先确定过程是否非平稳，并应对常规检验分布复杂的问题？
- 方法与思路
- 作者提出剖面经验似然检验，以处理非平稳过程存在时最小二乘因果性检验的分布困难，并通过模拟评估表现。
- 材料陈述的贡献
- 摘要称，该统计量在无需预先判断非平稳性这一意义下具有稳健性，模拟也支持其表现；具体极限分布未在摘要中列出。
- 阅读关注点
- 应核对因果性原假设、允许的非平稳参数配置、经验似然约束及校准方式，并检查模拟是否覆盖边界和尺寸问题。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；稳健性的具体范围和模拟数值未说明，这类时间序列因果性检验也不能直接解释为政策因果效应。
原文摘要
Testing for causality is of critical importance for many econometric applications. For bivariate AR(1) processes, the limit distributions of causality tests based on least squares estimation depend on the presence of nonstationary processes. When nonstationary processes are present, the limit distributions of such tests are usually very complicated, and the full-sample bootstrap method becomes inconsistent as pointed out in Choi (2005, Statistics and Probability Letters 75, 39–48). In this paper, a profile empirical likelihood method is proposed to test for causality. The proposed test statistic is robust against the presence of nonstationary processes in the sense that one does not have to determine the existence of nonstationary processes a priori. Simulation studies confirm that the proposed test statistic works well.