A Method for Testing the Independence of Two Time Series That Accounts for a Potential Pattern in the Cross-Correlation Function
利用交叉相关函数潜在模式检验两条时间序列的独立性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：摘要直接研究两条时间序列的残差交叉相关与独立性检验。
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
利用交叉相关函数潜在模式检验两条时间序列的独立性
- 研究问题
- 传统 Haugh 独立性检验忽略相邻交叉相关系数的潜在模式；利用这些模式能否改善两条时间序列之间的关系检测？
- 方法与思路
- 作者基于单变量模型残差的交叉相关函数构造渐近检验，将连续系数中的模式信息纳入，并使 Haugh 检验成为其特例。
- 材料陈述的贡献
- 摘要称，新检验在某些模拟模型中比 Haugh 检验及回归 F 检验更有功效；两个实例展示了其应用和关系检测能力。
- 阅读关注点
- 应核对模式信息如何表达、单变量模型与滞后范围如何选择、渐近校准条件，以及功效比较是否控制了实际检验尺寸。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；功效优势限定于某些模型，具体模型与数值结果未提供。
原文摘要
The Haugh (1976) test for independence employs the univariate residual cross-correlation function. However, it ignores information about a possible pattern in successive cross-correlation coefficients. An asymptotic test is developed that incorporates this information and includes the Haugh test as a special case. A Monte Carlo study indicates that the proposed test is more powerful than the Haugh s and regression F tests for certain models. Two empirical examples are presented showing the simplicity of applying this test and its ability to recognize relationships that the Haugh test may fail to detect.