基于hac估计视角的格兰杰伪因果关系检验

？研究发现相互独立的弱平稳过程之间会产生伪因果关系,经传统hac法修正的wald统计量甚至存在更高的伪因果关系概率.文章认为数据过程的长期方差是发生伪因果关系的深层次原因,通过改进传统hac法的截断参数,能获得格兰杰因果关系检验统计量(wald)的不依赖于冗余参数的极限分布.针对设定各种弱平稳过程并利用模拟技术,研究发现新的wald*统计量大大减少了发生伪因果关系的概率,并且对于数据过程持久性和样本容量是稳健的,但是存在一定的检验水平扭曲.