3. Causality testingIn this study w

3. Causality testing
In this study we investigate linear causality via the Granger test
whilst nonlinear causality is detected using the modified Baek and
Brock (1992) and Diks and Panchenko (2005) tests. The conventional
approach of causality testing is based on the Granger test
(Granger, 1969), which assumes a parametric, linear model for
the conditional mean. This specification is simple and appealing
as the test is reduced to determining whether the lags of one examined
variable enter into the equation of the other, albeit it requires
the linearity assumption. In this setup, vector autoregressive residuals
are sensitive only to causality in the conditional mean while
co-variables may affect the conditional distribution in nonlinear
patterns. Baek and Brock (1992) note that the parametric linear
Granger causality test has low power against certain nonlinear
alternatives or higher moments. As a result, nonparametric causality
tests have been proposed in the literature directly emphasizing
on prediction without imposing a linear functional form. Hiemstra
and Jones (1994) propose a modified Baek–Brock test. It is a causality-
in-probability test for nonlinear dynamic relationship which is
applied to the residuals of vector autoregressions and it is based on
the conditional correlation integrals of lead–lag vectors of the variables.
This test relaxes Baek and Brock’s assumption of i.i.d time
series and instead allows each series to display weak (or shortterm)
temporal dependence. It can detect the nonlinear causal
relationship between variables by testing whether past values
influence present and future values. In addition, Diks and
Panchenko (2005, 2006) provide a correction to the Baek and Brock
method when it over-rejects the null hypothesis of no-Granger
causality. In what follows, the causality tests are formally
described.

Kết quả (Việt) 1:

3. quan hệ nhân quả thử nghiệmTrong nghiên cứu này, chúng tôi điều tra tuyến tính nhân quả thông qua các bài kiểm tra Grangertrong khi quan hệ nhân quả phi tuyến được phát hiện bằng cách sử dụng Baek lần vàBrock (1992) và các xét nghiệm (2005) Diks và Panchenko. Các thông thườngphương pháp tiếp cận quan hệ nhân quả thử nghiệm dựa trên kiểm tra Granger(Granger, 1969), mà giả định một mô hình tham số, tuyến tính chocó điều kiện có ý nghĩa. Đặc điểm kỹ thuật này là đơn giản và hấp dẫnlà bài kiểm tra được giảm để xác định liệu các chậm của một kiểm trabiến tham gia vào phương trình của nhau, mặc dù nó đòi hỏigiả định linearity. Trong này thiết lập, vector autoregressive dưrất nhạy cảm chỉ với quan hệ nhân quả trong thời gian có nghĩa là có điều kiệnđồng biến có thể ảnh hưởng đến sự phân bố có điều kiện trong phi tuyếnMô hình. Baek và Brock (1992) lưu ý rằng các tham số tuyến tínhGranger quan hệ nhân quả thử nghiệm có các quyền lực thấp đối với một số phi tuyếnlựa chọn thay thế hoặc cao hơn những khoảnh khắc. Kết quả là, quan hệ nhân quả nonparametricbài kiểm tra đã được đề xuất trong các tài liệu trực tiếp nhấn mạnhngày dự đoán mà không áp đặt một hình thức chức năng tuyến tính. Hiemstravà Jones (1994) đề nghị một thử nghiệm Baek-Brock lần. Đó là một quan hệ nhân quả-trong xác suất thử nghiệm cho mối quan hệ năng động phi tuyến mà làáp dụng cho dư véc tơ autoregressions và nó dựa trêntích phân có điều kiện tương quan của chì-tụt hậu vectơ của các biến.Kiểm tra này thư giãn Baek và Brock của giả định thời gian i.i.dloạt và thay vào đó cho phép mỗi loạt để hiển thị các yếu (hoặc shortterm)thời gian phụ thuộc. Nó có thể phát hiện causal phi tuyếnmối quan hệ giữa các biến bằng cách kiểm tra cho dù qua giá trịảnh hưởng đến giá trị hiện tại và trong tương lai. Ngoài ra, Diks vàPanchenko (2005, 2006) cung cấp một sự điều chỉnh cho Baek và Brockphương pháp khi nó hơn bác bỏ giả thuyết null của no-Grangerquan hệ nhân quả. Trong những gì sau, các bài kiểm tra quan hệ nhân quả chính thứcMô tả.

Kết quả (Việt) 2:

3. nhân quả thử nghiệm
Trong nghiên cứu này chúng tôi điều tra quan hệ nhân quả tuyến tính thông qua các bài kiểm tra Granger
trong khi quan hệ nhân quả phi tuyến được phát hiện được bằng cách sử dụng Baek và sửa đổi
Brock (1992) và Diks và Panchenko (2005) kiểm tra. Các thông thường
phương pháp thử nghiệm quan hệ nhân quả được dựa trên các thử nghiệm Granger
(Granger, 1969), trong đó giả định một mô hình tuyến tính tham số cho
giá trị trung bình có điều kiện. Đặc điểm kỹ thuật này là đơn giản và hấp dẫn
như các bài kiểm tra được giảm đến việc xác định liệu các độ trễ của một nghiên cứu
biến nhập vào phương trình của người khác, mặc dù nó đòi hỏi
các giả thiết tuyến tính. Trong thiết lập này, dư vector tự hồi quy
chỉ nhạy với quan hệ nhân quả trong điều kiện trung bình, trong khi
đồng biến có thể ảnh hưởng đến sự phân bố có điều kiện trong phi tuyến
mô hình. Baek và Brock (1992) lưu ý rằng các tham số tuyến tính
thử nghiệm quan hệ nhân quả Granger có năng lượng thấp so với một số phi tuyến
thay thế hoặc những khoảnh khắc cao hơn. Kết quả là, quan hệ nhân quả không tham số
kiểm tra đã được đề xuất trong các tài liệu trực tiếp nhấn mạnh
trên dự đoán mà không áp đặt một hình thức chức năng tuyến tính. Hiemstra
và Jones (1994) đề xuất một thử nghiệm Baek-Brock sửa đổi. Nó là một causality-
thử nghiệm trong xác suất cho mối quan hệ năng động phi tuyến được
áp dụng cho các số dư của autoregressions vector và nó được dựa trên
các tích tương quan có điều kiện của vectơ dẫn độ trễ của các biến.
Xét nghiệm này giúp thư giãn và Baek Brock của giả định về thời gian iid
loạt và thay vào đó cho phép mỗi loạt yếu để hiển thị (hoặc dưỡng ngắn hạn)
phụ thuộc thời gian. Nó có thể phát hiện các nguyên nhân phi tuyến
mối quan hệ giữa các biến bằng cách kiểm tra xem giá trị quá khứ
ảnh hưởng đến giá trị hiện tại và tương lai. Ngoài ra, Diks và
Panchenko (2005, 2006) cung cấp một sự điều chỉnh để các Baek và Brock
phương pháp khi nó qua bác bỏ giả thuyết không-Granger
quan hệ nhân quả. Trong phần tiếp theo, các bài kiểm tra quan hệ nhân quả được chính thức
mô tả.