Autoregressive Modeling of Canadian Money and Income Data
加拿大货币与收入数据的自回归建模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：摘要明确采用宏观货币收入序列的多变量自回归，并分析 Granger 因果关系。
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
加拿大货币与收入数据的自回归建模
- 研究问题
- 如何为加拿大战后货币与收入序列选择不同的变量滞后，并检验变量间的外生性或 Granger 因果关系？
- 方法与思路
- 作者结合 Akaike 最终预测误差准则与 Granger 因果概念，采用顺序程序拟合多变量自回归并进行诊断。
- 材料陈述的贡献
- 摘要称所拟合模型支持 M1 与 GNP 的双向反馈，以及 GNP 到 M2 的单向关系，诊断检查提示模型适当。
- 阅读关注点
- 应核对滞后选择步骤、检验的原假设与样本设定，并区分预测意义的 Granger 因果和经济机制中的因果解释。
- 阅读边界
- 仅据 OpenAlex 索引摘要，版本未注明；检验条件与诊断细节未说明，所报关系不能据此解释为结构性因果效应。
原文摘要
A sequential procedure based on Akaike's final prediction-error criterion and Granger's concept of causality to fit multiple auto-regressions is suggested. The method not only allows each variable to enter the equation with a different time lag but also provides a reasonably powerful test of exogeneity or causality. The idea is applied to Canadian postwar money and income data. It is found that a bivariate feedback model for M1 and GNP and a one-way causal relation from GNP to M2 fit the data best. Diagnostic checks applied to our model seem to indicate the adequacy of our approach.