Nonparametric Test for Causality with Long-range Dependence
长程依赖下的非参数 Granger 因果检验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：摘要研究长程依赖平稳时间序列的 Granger 因果检验及滞后系数估计，直接对应时间序列方向。
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
长程依赖下的非参数 Granger 因果检验
- 研究问题
- 在可能存在长程依赖的协方差平稳线性过程里，如何构造非参数 Granger 因果检验，并在局部备择按参数速率趋近零假设时保有检验力？
- 方法与思路
- 作者利用 VAR 的可能双边无限分布滞后表示构造检验，并修改 Hannan 估计方法，先建立该表示中系数估计的根号 T 一致性与渐近正态性。
- 材料陈述的贡献
- 摘要称检验一致，并对以 T 的负二分之一次方收敛的相邻备择具有检验力；长程依赖下，所用系数估计仍具最小二乘未必具备的渐近性质。
- 阅读关注点
- 阅读全文时应核对长程依赖的允许范围、平稳性与线性过程条件、无限滞后的估计处理，以及检验统计量、零假设和临界值的具体构造。
- 阅读边界
- Granger 因果涉及预测关系，不能仅据摘要解释为结构性因果效应；摘要未交代检验的有限样本表现、调参规则及实际数据适用条件。
原文摘要
This paper introduces a nonparametric Granger-causality test for covariance stationary linear processes under, possibly, the presence of long-range dependence. We show that the test is consistent and has power against contiguous alternatives converging to the parametric rate T−1/2. Since the test is based on estimates of the parameters of the representation of a VAR model as a, possibly, two-sided infinite distributed lag model, we first show that a modification of Hannan's (1963, 1967) estimator is root- T consistent and asymptotically normal for the coefficients of such a representation. When the data are long-range dependent, this method of estimation becomes more attractive than least squares, since the latter can be neither root- T consistent nor asymptotically normal as is the case with short-range dependent data.