Testing Conditional Uncorrelatedness
条件不相关性检验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：摘要提出通用的多方程条件不相关检验，仅将波动率模型和向量自回归列为适用例子，具体领域应用证据不足。
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
条件不相关性检验
- 研究问题
- 在似不相关回归、多元波动率或向量自回归等多方程模型中，如何检验给定条件信息后的不相关性并评价检验功效？
- 方法与思路
- 作者构造面向多方程模型的非参数条件不相关检验，结合零假设下的渐近分布、局部功效分析和有限样本模拟评价。
- 材料陈述的贡献
- 摘要称零假设下统计量渐近服从标准正态分布，并研究局部功效；模拟显示有限样本表现较好，但未给出数值。
- 阅读关注点
- 核对条件不相关的原假设定义、检验统计量构造及正则条件，并注意条件不相关与条件独立之间的区别。
- 阅读边界
- 摘要未说明条件变量、平滑参数或正则条件，也未报告模拟设定和误拒率，因此无法充分评估检验的适用范围。
原文摘要
We propose a nonparametric test for conditional uncorrelatedness in multiple-equation models such as seemingly unrelated regressions (SURs), multivariate volatility models, and vector autoregressions (VARs). Under the null hypothesis of conditional uncorrelatedness, the test statistic converges to the standard normal distribution asymptotically. We also study the local power property of the test. Simulation shows that the test behaves quite well in finite samples.