Sampling distribution for single-regression Granger causality estimators
单回归Granger因果估计量的抽样分布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：摘要直接研究时间序列中的Granger因果、谱因果及其检验分布，未明确涉及结构冲击识别。
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
单回归Granger因果估计量的抽样分布
- 研究问题
- 单回归Granger–Geweke因果估计量在无Granger因果的原假设下具有怎样的抽样分布，如何据此构造时域和频域检验？
- 方法与思路
- 作者推导零假设下的广义卡方渐近分布及Gamma近似，对指定频带平均的谱因果也给出分布参数并提出检验。
- 材料陈述的贡献
- 摘要称，补足了单回归估计量的零假设抽样分布，提供时域与频带平均情形的参数表达，并讨论经验应用及可能扩展。
- 阅读关注点
- 应核对渐近分布所需的缩放、时间序列模型条件、Gamma近似精度，以及已完成结果与条件或状态空间扩展的区别。
- 阅读边界
- 仅依据所给Crossref摘要；未说明模型与缩放条件，扩展内容仅为分析路线；Granger因果也不能直接解释为结构性因果。
原文摘要
Summary The single-regression Granger–Geweke causality estimator has previously been shown to solve known problems associated with the more conventional likelihood ratio estimator; however, its sampling distribution has remained unknown. We show that, under the null hypothesis of vanishing Granger causality, the single-regression estimator converges to a generalized χ2 distribution, which is well approximated by a Γ distribution. We show that this holds too for Geweke’s spectral causality averaged over a given frequency band, and derive explicit expressions for the generalized χ2 and Γ-approximation parameters in both cases. We present a Neyman–Pearson test based on the single-regression estimators, and discuss how it may be deployed in empirical scenarios. We outline how our analysis may be extended to the conditional case, point-frequency spectral Granger causality and the important case of state-space Granger causality.