CHARACTERISTIC FUNCTION BASED TESTING FOR CONDITIONAL INDEPENDENCE: A NONPARAMETRIC REGRESSION APPROACH
基于特征函数与非参数回归的条件独立检验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：摘要明确涉及时间序列的格兰杰检验，并以货币与产出的非线性关系为应用。
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…
关注这篇论文的作者
基于特征函数与非参数回归的条件独立检验
- 研究问题
- 如何利用特征函数构造适用于截面和时间序列的条件独立检验，并检验遗漏变量、不同矩的格兰杰因果及条件不相关？
- 方法与思路
- 作者让条件联合与边际特征函数的非参数估计共同决定检验统计量的渐近分布，并由此构造一组相关假设的派生检验。
- 材料陈述的贡献
- 摘要称检验原假设下渐近标准正态，对若干相关检验有局部功效优势；货币与产出应用发现部分既有检验遗漏的非线性关系。
- 阅读关注点
- 应核对时间依赖条件、平滑参数和联合估计误差的作用，以及局部功效比较范围与货币产出格兰杰检验的具体信息集。
- 阅读边界
- 仅依据所给 Crossref 摘要；局部功效优势的条件及应用数值未说明，格兰杰关系不能单凭摘要解释为结构性因果效应。
原文摘要
We propose a characteristic function based test for conditional independence, applicable to both cross-sectional and time series data. We also derive a class of derivative tests, which deliver model-free tests for such important hypotheses as omitted variables, Granger causality in various moments and conditional uncorrelatedness. The proposed tests have a convenient asymptotic null N (0, 1) distribution, and are asymptotically locally more powerful than a variety of related smoothed nonparametric tests in the literature. Unlike other smoothed nonparametric tests for conditional independence, we allow nonparametric estimators for both conditional joint and marginal characteristic functions to jointly determine the asymptotic distributions of the test statistics. Monte Carlo studies demonstrate excellent power of the tests against various alternatives. In an application to testing Granger causality, we document the existence of nonlinear relationships between money and output, which are missed by some existing tests.