본 연구는, 관련 변수들간 회귀함수를 특정한 형태로 가정하지 않고서 Granger 인과관계를 검정할 수 있는 비모수 검정방법을 개발하였다. 전통적인 인과관계 검정방법은 시계열 회귀함수를 특정한 함수형태로 미리 가정하고 추정함으로써, 검정결과가 함수설정오류에 영 ...

본 연구는, 관련 변수들간 회귀함수를 특정한 형태로 가정하지 않고서 Granger 인과관계를 검정할 수 있는 비모수 검정방법을 개발하였다. 전통적인 인과관계 검정방법은 시계열 회귀함수를 특정한 함수형태로 미리 가정하고 추정함으로써, 검정결과가 함수설정오류에 영향을 받을 수 있는 문제점을 갖고 있다. 즉, 실제 시계열 회귀함수와 가정되는 모수적 회귀함수간에 큰 오차가 존재할 경우 검정결과가 뒤바뀔 수 있는 가능성을 갖는다. 본 연구는 시계열 회귀함수를 비모수 커널추정기법을 이용하여 추정함으로써 이와 같은 문제를 해결하였다. 구체적으로는,
(1) 원인이 되는 변수의 시차변수를 포함하는 시계열 회귀함수와 포함하지 않는 시계열 회귀함수, 두 개의 회귀함수를 비모수 커널추정기법을 이용하여 추정하고
(2) 두 추정량의 차이에 기초한 검정통계량의 대표본 분포를 U-통계량(U-statistics)을 이용하여 유도하였다. 이때 가정되는 확률과정은 strong-mixing 확률과정이다
(3) 마지막으로 대표본 분산의 일치 추정량을 도출하였다.

결과된 검정통계량은 시계열 회귀함수의 함수설정오류를 줄일 수 있는 장점을 갖는 반면에 대표본 분포를 실현시키기 위해서 비교적 많은 표본크기를 요구한다는 측면에서 단점이 있지만, 많은 시계열 관측자료가 축적된 외환 및 금융부문에는 유용하게 활용될 수 있을 것으로 기대된다

This study develops a test for nonlinear Granger causality based on sums of squared residuals from nonparametric time series regressions. We provide a normal null limiting distribution of the nonparametric estimators in the context of strong-mixing p ...

This study develops a test for nonlinear Granger causality based on sums of squared residuals from nonparametric time series regressions. We provide a normal null limiting distribution of the nonparametric estimators in the context of strong-mixing process, which is weaker temporal dependent process than absolutely regular. To construct the test, the study first employs a measure of discrepancy between the null hypothesis and the general alternative that the null is false, second estimates relevant conditional mean functions using nonparametric kernel methods, and finally plugs the estimators in the discrepancy measure. This procedure yields an asymptotically consistent test against all members of the alternative.

본 연구는, 관련 변수들간 회귀함수를 특정한 형태로 가정하지 않고서 Granger 인과관계를 검정할 수 있는 비모수 검정방법을 개발하였다. 전통적인 인과관계 검정방법은 시계열 회귀함수를 특정한 함수형태로 미리 가정하고 추정함으로써, 검정결과가 함수설정오류에 영 ...

본 연구는, 관련 변수들간 회귀함수를 특정한 형태로 가정하지 않고서 Granger 인과관계를 검정할 수 있는 비모수 검정방법을 개발하였다. 전통적인 인과관계 검정방법은 시계열 회귀함수를 특정한 함수형태로 미리 가정하고 추정함으로써, 검정결과가 함수설정오류에 영향을 받을 수 있는 문제점을 갖고 있다. 즉, 실제 시계열 회귀함수와 가정되는 모수적 회귀함수간에 큰 오차가 존재할 경우 검정결과가 뒤바뀔 수 있는 가능성을 갖는다. 본 연구는 시계열 회귀함수를 비모수 커널추정기법을 이용하여 추정함으로써 이와 같은 문제를 해결하였다. 구체적으로는,
(1) 원인이 되는 변수의 시차변수를 포함하는 시계열 회귀함수와 포함하지 않는 시계열 회귀함수, 두 개의 회귀함수를 비모수 커널추정기법을 이용하여 추정하고
(2) 두 추정량의 차이에 기초한 검정통계량의 대표본 분포를 U-통계량(U-statistics)을 이용하여 유도하였다. 이때 가정되는 확률과정은 strong-mixing 확률과정이다
(3) 마지막으로 대표본 분산의 일치 추정량을 도출하였다.

결과된 검정통계량은 시계열 회귀함수의 함수설정오류를 줄일 수 있는 장점을 갖는 반면에 대표본 분포를 실현시키기 위해서 비교적 많은 표본크기를 요구한다는 측면에서 단점이 있지만, 많은 시계열 관측자료가 축적된 외환 및 금융부문에는 유용하게 활용될 수 있을 것으로 기대된다.

ㅇ Granger 인과관계는 조건부 확률밀도함수의 측면에서 정의되는 확률적 인과(causality in probability)와 조건부 평균회귀함수의 측면에서 정의되는 평균적 인과(causality in mean), 두 가지 유형이 있는데 본 연구의 관심대상은 후자이다.

ㅇ 평균적 인과의 존재 여 ...

ㅇ Granger 인과관계는 조건부 확률밀도함수의 측면에서 정의되는 확률적 인과(causality in probability)와 조건부 평균회귀함수의 측면에서 정의되는 평균적 인과(causality in mean), 두 가지 유형이 있는데 본 연구의 관심대상은 후자이다.

ㅇ 평균적 인과의 존재 여부는, 원인이 되는 변수의 시차변수를 포함하는 조건부평균 시계열회귀함수와 포함하지 않는 조건부평균 시계열회귀함수의 일치여부이다. 본 논문은 양 조건부 시계열회귀함수간 거리함수를 비모수커널기법을 이용하여 추정하고 결과된 통계량의 대표본분포를 도출하였으며 대표본분포의 분산에 대한 일치추정량을 도출하였다.

ㅇ 본 연구에서 개발된 비모수 인과관계 검정법은 이론적인 측면에서 기존 Baek and Brock(1992)와 Hiemstra and Jones(1994)의 비모수 검정방법이 갖는 문제점인 강한 확률과정의 가정과 검정의 불일치성을 해결함으로써 이론 계량경제학 분야에 기여한다.

ㅇ 인과관계 검정법은 앞서 거론되었듯이 가장 많이 활용되는 계량경제학 기법 중의 하나이므로 본 연구에서 개발된 비모수 인과검정법도 많은 분야에서 활용될 수 있는 범용성의 장점을 갖는다. 특히 본 연구의 비모수 검정법은 중간과정에서 비교적 많은 관측자료를 요구하는 비모수 커널 추정량을 활용하기 때문에 상대적으로 관측시계열 자료가 많이 축적되어 있는 외환 및 금융분야에서 유용하게 활용될 수 있을 것으로 기대된다.