Testing a large set of zero restrictions in regression models, with an application to mixed frequency Granger causality
回归模型大量零约束的检验及混频格兰杰因果应用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：摘要明确以混合频率的格兰杰因果检验作为主要时间序列应用。
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…
回归模型大量零约束的检验及混频格兰杰因果应用
- 研究问题
- 回归模型需要联合检验大量系数为零时，能否通过降维改善小样本检验能力，并用于混频格兰杰因果检验？
- 方法与思路
- 作者把关键回归变量分配到多个简约回归中，每个回归仅含一个关键变量及非受检变量，再以关键系数平方的最大值构造检验。
- 材料陈述的贡献
- 摘要称该降维方法使估计更精确并提高小样本功效，提供一般检验理论，并以涉及大量零约束的混频格兰杰因果为应用。
- 阅读关注点
- 应核对简约回归检验与原联合零约束的对应关系、最大值统计量的校准方式，以及功效改善需要哪些模型条件。
- 阅读边界
- 摘要未说明临界值计算、回归变量相关性的限制及功效比较数值；格兰杰因果反映预测关系，不能据此认定结构性因果效应。
原文摘要
This paper proposes a new test for a large set of zero restrictions in regression models based on a seemingly overlooked, but simple, dimension reduction technique. The procedure involves multiple parsimonious regression models where key regressors are split across simple regressions. Each parsimonious regression model has one key regressor and other regressors not associated with the null hypothesis. The test is based on the maximum of the squared parameters of the key regressors. Parsimony ensures sharper estimates and therefore improves power in small sample. We present the general theory of our test and focus on mixed frequency Granger causality as a prominent application involving many zero restrictions.