Testing non-correlation and non-causality between two multivariate ARMA time series
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Haugh [Journal of the American Statistical Association (1976) Vol. 71, pp. 378–85] developed an approach to the problem of testing non-correlation (at all leads and lags) between two univariate time series. Haugh's tests however have low power against two series which are related over a long distributed lag when individual lag coefficients are relatively small. As a remedy, Koch and Yang [Journal of the American Statistical Association (1986) Vol. 8, pp. 533–44] proposed an alternative method that performs better than Haugh's under such dependencies. A multivariate extension of Haugh's procedure was proposed by El Himdi and Roy [The Canadian Journal of Statistics (1997) Vol. 25, pp. 233–56], but suffers the same weaknesses as the original univariate method. We develop here an asymptotic test generalizing Koch and Yang's method to the multivariate case. Our method includes El Himdi and Roy's as a special case. Based on the same idea, we also suggest a generalization of the El Himdi and Roy procedure for testing causality in the sense of Granger [Econometrica (1969) Vol. 37, pp. 424–38] between two multivariate series. A Monte Carlo study is conducted, which indicates that our approach performs better than El Himdi and Roy's for a wide range of models. Both procedures are applied to the problem of testing the absence of correlation between Canadian and US economic indicators, and to a brief study of causality between money and income in Canada.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle