Testing for Granger causality with mixed frequency data
混频数据的格兰杰因果检验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：摘要研究混频时间序列中的格兰杰因果检验，并以美国宏观指标作应用。
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…
混频数据的格兰杰因果检验
- 研究问题
- 不同频率观测的变量之间如何直接检验格兰杰因果关系，降低统一为低频数据后可能产生的信息损失？
- 方法与思路
- 作者构建直接适用于混频数据的格兰杰因果检验，将其与常规低频检验比较，并应用于美国宏观经济指标。
- 材料陈述的贡献
- 摘要称混频检验更能恢复所考察的因果关系，具有更高局部渐近功效与有限样本功效，且应用结论与低频方法明显不同。
- 阅读关注点
- 应核对混频模型和零假设如何定义、频率聚合怎样改变可检验关系，以及功效比较是否保持可比的信息与检验尺寸。
- 阅读边界
- 仅据所给出版社摘要，无法确定模型条件和功效增幅；格兰杰因果描述预测关系，不能据此直接认定结构性因果效应。
原文摘要
We develop Granger causality tests that apply directly to data sampled at different frequencies. We show that taking advantage of mixed frequency data allows us to better recover causal relationships when compared to the conventional common low frequency approach. We also show that the new causality tests have higher local asymptotic power as well as more power in finite samples compared to conventional tests. In an empirical application involving U.S. macroeconomic indicators, we show that the mixed frequency approach and the low frequency approach produce very different causal implications, with the former yielding more intuitively appealing result.