Testing conditional independence via empirical likelihood
基于经验似然的条件独立检验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：摘要明确应用于经济和金融时间序列，并与线性 Granger 因果检验比较，文本依据最直接支持时间序列方向。
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
基于经验似然的条件独立检验
- 研究问题
- 如何通过条件矩约束构造条件独立检验，并在经济与金融时间序列中识别传统线性 Granger 检验可能遗漏的非线性关系？
- 方法与思路
- 作者将条件独立零假设表示为由干扰参数索引的无限组条件矩限制，分别使用分布函数和更平滑函数构造平滑经验似然比检验。
- 材料陈述的贡献
- 摘要称两类统计量在零假设和 Pitman 局部备择下渐近正态，并具有平均功效意义的渐近最优性；应用发现线性检验遗漏的关系。
- 阅读关注点
- 应核对条件独立与时间序列预测关系的对应方式、平滑参数选择、局部备择及平均功效的定义，以及依赖数据下的有效条件。
- 阅读边界
- 仅依据所给出版社摘要；最优性范围和应用结果细节未说明，摘要所称非线性因果关系不能直接解释为结构性或干预意义的因果效应。
原文摘要
We construct two classes of smoothed empirical likelihood ratio tests for the conditional independence hypothesis by writing the null hypothesis as an infinite collection of conditional moment restrictions indexed by a nuisance parameter. One class is based on the CDF; another is based on smoother functions. We show that the test statistics are asymptotically normal under the null hypothesis and a sequence of Pitman local alternatives. We also show that the tests possess an asymptotic optimality property in terms of average power. Simulations suggest that the tests are well behaved in finite samples. Applications to some economic and financial time series indicate that our tests reveal some interesting nonlinear causal relations which the traditional linear Granger causality test fails to detect.