GRANGER CAUSALITY AND STRUCTURAL CAUSALITY IN CROSS-SECTION AND PANEL DATA
截面与面板数据中的格兰杰因果和结构因果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：摘要明确研究截面与面板数据中结构因果和格兰杰因果的联系。
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
截面与面板数据中的格兰杰因果和结构因果
- 研究问题
- 研究分布意义的格兰杰非因果如何用于截面与面板数据，以及它在异质性人群中与结构因果或结构非因果存在何种联系。
- 方法与思路
- 作者定义结构因果，在关键条件外生性下连接其与条件独立意义的格兰杰因果，并考察可分性或单调性等附加条件。
- 材料陈述的贡献
- 摘要称结构非因果可推出格兰杰非因果，反向的因果联系需适当条件；许多结果允许结构与分布异质性及非线性关系。
- 阅读关注点
- 应核对条件外生性的准确含义、结构效应的可定义与可识别性，以及不同推论分别需要哪些可分性或单调性条件。
- 阅读边界
- 所给 Crossref 摘要未说明完整假设和检验实现；不能把一般格兰杰检验结果直接当作结构因果证据或无条件等价关系。
原文摘要
Granger noncausality in distribution is fundamentally a probabilistic conditional independence notion that can be applied not only to time series data but also to cross-section and panel data. In this paper, we provide a natural definition of structural causality in cross-section and panel data and forge a direct link between Granger ( G –) causality and structural causality under a key conditional exogeneity assumption. To put it simply, when structural effects are well defined and identifiable, G –non-causality follows from structural noncausality, and with suitable conditions (e.g., separability or monotonicity), structural causality also implies G –causality. This justifies using tests of G –non-causality to test for structural noncausality under the key conditional exogeneity assumption for both cross-section and panel data. We pay special attention to heterogeneous populations, allowing both structural heterogeneity and distributional heterogeneity. Most of our results are obtained for the general case, without assuming linearity, monotonicity in observables or unobservables, or separability between observed and unobserved variables in the structural relations.