联合多重分形被用来刻画序列内及序列间的非线性相关性,目前已经在数学、物理、医学、经济等领域展开了很多应用方面的研究,但缺少针对联合多重分形成因方面单独的研究。对于单一多重分形的成因,已知有如下两方面:（1）原始序列的概率分布呈厚尾分布;（2）原始序列的自相关性。但是对于联合多重分形,两条序列之间存在的互相关性也会对其产生影响,这使得对联合多重分形的成因检验需要在单一多重分形成因检验的基础上进行拓展。本文基于此在多重分形去趋势互相关方法（MF-DCCA）的基础上提出了针对联合多重分形成因的假设检验方法以及检验序列间的互相关性对联合多重分形的影响的多重分形去趋势去互相关方法（MF-DDA）,并通过数值分析和实证分析检验所提出方法是否有效。联合多重分形成因假设检验方法是针对两种已知的联合多重分形成因:（1）原始序列的概率分布呈厚尾分布;（2）原始序列内和序列间的相关性。该方法通过对原始配对序列进行重排和重构后分别构造1000组成对的替代序列,两种替代序列是在破坏其中一种成因的同时保留另一种成因,利用MF-DCCA方法,得到替代序列的广义Hurst指数,估计其经验分布构造假设检验的接受域,并判断原始序列的广义Hurst指数是否落入接受域内,从而接受或拒绝原假设。多重分形去趋势去互相关方法（MF-DDA）不仅保持了MF-DCCA方法的良好性能,而且通过借鉴位移技术对分割后的小区间进行位移,在不改变序列自相关的情况下最大限度的破坏序列间的互相关性。利用该方法与MFDCCA方法下得到的广义Hurst指数进行比较,以此来检验序列间的互相关性对联合多重分形的影响。为验证所提方法的有效性,本文使用三组数据进行了数值分析和实证分析:（1）模拟数据:两组分别具有明显强弱互相关性的多重分形随机游走（MRW）序列;（2）基于中国北方河流10个观测站每六分钟观测的河流水位数据,将相邻位置上的站点进行两两配对形成九组配对数据;（3）A股市场上八家企业的股票日收益率序列,并以企业间关联性的强弱将数据进行两两配对形成四组配对数据。最后得出以下结论:（1）联合多重分形成因假设检验方法能够很好的检验出联合多重分形的厚尾分布成因和序列的关联性成因;（2）使用多重分形去趋势去互相关方法（MF-DDA）能够有效破坏序列间的互相关性,以此来检验互相性对联合多重分形的影响。