A NONPARAMETRIC HELLINGER METRIC TEST FOR CONDITIONAL INDEPENDENCE
基于 Hellinger 距离的非参数条件独立检验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：摘要明确处理 β 混合依赖数据，并将条件独立检验用于汇率的 Granger 非因果性。
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 Hellinger 距离的非参数条件独立检验
- 研究问题
- 如何通过两个条件密度之间的差异检验条件独立，并在依赖数据下建立渐近分布、局部备择功效与可实施程序？
- 方法与思路
- 作者以加权 Hellinger 距离构造统计量，用泛函 delta 方法展开，在 β 混合条件下推导渐近正态性，并应用于汇率非因果检验。
- 材料陈述的贡献
- 摘要称检验一致且能识别所述距离尺度的备择，也讨论非连续或不可观测变量；所报模拟中对多种生成过程优于部分早期检验。
- 阅读关注点
- 应核对权重、带宽和维数如何影响统计量与局部功效，非连续及潜在变量如何处理，以及汇率 Granger 检验的变量设置。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体模拟改进幅度和应用结果；渐近结论依赖 β 混合等条件，模拟比较不构成普遍优势。
原文摘要
We propose a nonparametric test of conditional independence based on the weighted Hellinger distance between the two conditional densities, f ( y | x , z ) and f ( y | x ), which is identically zero under the null. We use the functional delta method to expand the test statistic around the population value and establish asymptotic normality under β-mixing conditions. We show that the test is consistent and has power against alternatives at distance n −1/2 h − d /4 . The cases for which not all random variables of interest are continuously valued or observable are also discussed. Monte Carlo simulation results indicate that the test behaves reasonably well in finite samples and significantly outperforms some earlier tests for a variety of data generating processes. We apply our procedure to test for Granger noncausality in exchange rates.