Non-linear dependence and Granger causality: A vine copula approach
非线性依赖与格兰杰因果：藤 copula 方法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究平稳马尔可夫时间序列的非线性依赖及格兰杰因果检验。
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…
非线性依赖与格兰杰因果：藤 copula 方法
- 研究问题
- 面对非线性依赖结构，如何检验二元平稳有限阶马尔可夫过程中的均值格兰杰因果，并分析能源与宏观变量的预测关系？
- 方法与思路
- 作者基于藤 copula 非线性模型构造均值格兰杰因果检验，通过模拟比较统计表现，并分析美国能源消费、GDP 与投资。
- 材料陈述的贡献
- 摘要称模拟显示检验较既有方法改善统计性质；在所述美国应用中，发现 GDP 与能源消费之间存在双向格兰杰因果。
- 阅读关注点
- 应核对马尔可夫阶数、copula 结构选择、检验统计量与校准方式，以及模拟中的尺寸和功效及实证变量处理。
- 阅读边界
- 这是预印本，同行评审及期刊接收未获核实；摘要未给出检验条件和数值结果，格兰杰因果反映预测关系，不能直接证明干预效应。
原文摘要
Inspired by Jang et al. (2022), we propose a Granger causality-in-the-mean test for bivariate $k-$Markov stationary processes based on a recently introduced class of non-linear models, i.e., vine copula models. By means of a simulation study, we show that the proposed test improves on the statistical properties of the original test in Jang et al. (2022), and also of other previous methods, constituting an excellent tool for testing Granger causality in the presence of non-linear dependence structures. Finally, we apply our test to study the pairwise relationships between energy consumption, GDP and investment in the U.S. and, notably, we find that Granger-causality runs two ways between GDP and energy consumption.