格兰杰因果关系检验计量经济学 武汉大学 刘伟.pptVIP

第二节 格兰杰因果关系检验 所谓因果关系，是指变量之间的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。 通过前面的学习，我们已经知道，因果关系不同于相关关系；而且从一个回归关系式我们并不能确定变量之间是否具有因果关系。 虽然我们说回归方程中解释变量是被解释变量的原因，但是，这一因果关系通常是先验设定的，或者是在回归之前就已确定。 实际上，在许多情况下，变量之间的因果关系并不总象农作物产量和降雨量之间的关系那样一目了然，或者没有充分的知识使我们认清变量之间的因果关系。此外，即使某一经济理论宣称某两个变量之间存在一种因果关系，也需要给以经验上的支持。 Granger从预测的角度给出了因果关系的一种定义。 一、Granger因果关系 Granger指出： 如果一个变量X无助于预测另一个变量Y，则说X不是Y的原因；相反，若X是Y的原因，则必须满足两个条件：第一，X应该有助于预测Y，即在Y关于Y的过去值的回归中，添加X的过去值作为独立变量应当显著地增加回归的解释能力；第二，Y不应当有助于预测X，其原因是，如果X有助于预测Y，Y也有助于预测X，则很可能存在一个或几个其他变量，它们既是引起X变化的原因，也是引起Y变化的原因。 现在人们一般把这种从预测的角度定义的因果关系称为Granger因果关系。 二、Granger因果关系检验 变量X是否为变量Y的Granger原因，是可以检验的。 检验X是否为引起Y变化的Granger原因的过程如下：第一步，检验原假设“H0：X不是引起Y变化的Granger原因”。首先，估计下列两个回归模型： 然后，用这两个回归模型的残差平方和RSSu和RSSr构造F统计量： 第二步，将Y与X的位置交换，按同样的方法检验原假设“H0：Y不是引起X变化的Granger原因”。 第三步，要得到“X是Y的Granger原因”的结论，必须同时拒绝原假设“H0：X不是引起Y变化的Granger原因”和接受原假设“H0：Y不是引起X变化的Granger原因”。 三、通过Eviews软件进行Granger因果关系检验 上述Granger因果关系检验，是建立在向量自回归（VAR：Vector Autoregression）模型技术基础之上的。但是，借助于Eviews软件，可以很方便地进行Granger因果关系检验。具体步骤为： 首先，建立工作文件，录入需检验是否存在Granger因果关系的变量Y和X的样本观测值； 然后，在工作文件窗口中，同时选中序列Y和X，单击鼠标右键，在弹出的菜单中选择Open/as Group，生成一个群对象（Group）； 最后，在群对象观测值窗口的工具栏中选择 View / Granger Causality，在屏幕出现的对话框（ Lag Specification ）中Lags to include一栏后面输入最大滞后期数k（注意：在Eviews软件中进行Granger因果关系检验时，将Y的滞后期数p和X的滞后期数q取为相等。当然，关键是X的滞后期数），点击OK，即可得到格兰杰因果检验的结果。 格兰杰因果检验结果 从检验结果不难看出，当取最大滞后期数k=9时，拒绝原假设“VOL does not Granger Cause RA”犯第一类错误的概率高达0.32100，而拒绝原假设“RA does not Granger Cause VOL”犯第一类错误的概率仅为0.00366。所以，降水量确实是水库流量的Granger原因。 * 无约束回归模型（u）： 有约束回归模型（r）： 式中，?0表示常数项；p和q分别为变量Y和X的最大滞后期数，通常可以取的稍大一些；?t为白噪声。 检验原假设“H0：X不是引起Y变化的Granger原因”（等价于检验H0：?1=?2=…=?q=0）是否成立。 如果F≥F?（q，n-p-q-1）,则?1、?2、…、?q显著不为0，应拒绝原假设“H0：X不是引起Y变化的Granger原因”；反之，则不能拒绝原假设“H0：X不是引起Y变化的Granger原因”。 其中，n为样本容量。 表中，最后一列的Probability是F统计量（F-Statistic）的相伴概率，表示拒绝第一列中的原假设（Null Hypothesis）犯第一类错误的概率，该概率越小，越应该拒绝原假设。Obs表示每个变量序列的观测值个数，等于n-k。 例 下表是某水库1998年至2000年各旬的流量、降水量数据。试通过Eviews软件检验降水量是否流量的Granger原因。 解： （1）建立工作文件。 由于本例数据的时间间隔为旬，Eviews没有提供相应的时期度量，故应利用鼠标左键单击主菜