Short Run and Long Run Causality in Time Series: Theory
时间序列中的短期与长期因果性：理论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：摘要直接研究可能非平稳时间序列中的多期预测与格兰杰因果性，因此归入时间序列方向，未明确涉及VAR或局部投影。
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
时间序列中的短期与长期因果性：理论
- 研究问题
- 一期格兰杰因果性如何推广到从短期直至无限期的预测关系，并在可能非平稳的时间序列中刻画间接因果影响与传导链？
- 方法与思路
- 作者将一期预测意义下的格兰杰因果性推广至任意预测期距，允许序列非平稳，并据此刻画间接因果效应与因果链。
- 材料陈述的贡献
- 摘要称给出了任意给定期距内向量非因果性的充要条件，并将多期预测中的滞后项系数解释为广义脉冲响应系数。
- 阅读关注点
- 核对多期非因果性的形式化定义、充要条件及非平稳适用范围，并辨明广义脉冲响应与通常脉冲响应为何可能给出不同解释。
- 阅读边界
- 这里的因果性指格兰杰预测关系，不能直接解读为干预效应；摘要未说明非平稳情形的具体条件或相应检验方法。
原文摘要
Causality in Granger's sense is defined in terms of predictibility one period ahead. The notion of causality is generalized by considering causality at any given horizon 1 <= h <= inifinity, providing a rigorous formalization of indirect causal effects and causality chains in (possibly) nonstationary time series. The authors derive necessary and sufficient conditions for noncausality between vectors up to any given horizon. They observe that coefficients of lagged variables in forecasts at various horizons can be interpreted as generalized impulse response coefficients yielding a complete picture of linear causality, in contrast with usual impulse coefficients which can be misleading.