第十三章-模型检验的常用统计量.pptVIP

13.9 格兰杰（Granger）因果性检验 13.9 格兰杰（Granger）因果性检验 注意： （1）“格兰杰因果性”的正式名称应该是“格兰杰非因果性”。只因口语都希望简单，所以称作“格兰杰因果性”。 （2）为简便，通常总是把xt-1 对yt存在（或不存在）格兰杰因果关系表述为xt（去掉下标 -1）对yt存在（或不存在）格兰杰因果关系（严格讲，这种表述是不正确的）。 （3）格兰杰因果关系与哲学意义的因果关系还是有区别的。如果说“xt 是yt的格兰杰原因”只是表明“xt中包括了预测yt的有效信息”。 （4）这个概念首先由格兰杰（Granger）在1969年提出。 13.9 格兰杰（Granger）因果性检验 例11.8： 以661天（1999年1月4日至2001年10月5日）的上证综指（SHt）和深证成指（SZt）数据为例，进行双向的Granger非因果性分析。 两个序列存在高度的相关关系，那么两个序列间可能存在双向因果关系，也有可能存在单向因果关系。 13.9 格兰杰（Granger）因果性检验 13.9 格兰杰（Granger）因果性检验 13.9 格兰杰（Granger）因果性检验 通过EViews计算的Granger因果性检验的两个F统计量的值见图。 SHt 和SZt之间存在单向因果关系。即SZt是SHt变化的Granger原因，但SHt 不是SZt变化的Granger原因。 13.9 格兰杰（Granger）因果性检验 Granger非因果性检验的EViews操作是，打开SHt和SZt的数剧组窗口，点击View键，选Granger Causility功能。在随后打开的对话框口中填上滞后期数2，点击OK键，即可得到检验结果。 用滞后5, 10, 15, 20, 25期的检验式分别检验，结果见下表： 结论都是上海综指不是深圳成指变化的Granger原因，但深圳成指是上海综指变化的Granger原因。 13.9 格兰杰（Granger）因果性检验 注意： （1）滞后期k的选取是任意的。实质上是一个判断性问题。以xt和yt为例，如果xt-1对yt存在显著性影响，则不必再做滞后期更长的检验。如果xt-1对yt不存在显著性影响，则应该再做滞后期更长的检验。一般来说要检验若干个不同滞后期k的格兰杰因果关系检验，且结论相同时，才可以最终下结论。 （2）当做xt是否为导致yt变化的格兰杰原因检验时，如果zt也是yt变化的格兰杰原因，且zt又与xt相关，这时在xt是否为导致yt变化的格兰杰因果关系检验式的右端应加入zt的滞后项。 （3）不存在协整关系的非平稳变量之间不能进行格兰杰因果关系检验。 13.9 格兰杰（Granger）因果性检验 * * 第13章 模型检验的常用统计量 13.1 模型总显著性的F检验 13.2 模型单个回归参数显著性的t检验 13.3 检验若干线性约束条件是否成立的F检验 13.4 似然比（LR）检验 13.5 沃尔德（Wald）检验 13.6 拉格朗日乘子（LM）检验 13.7 AIC、SC和HQ准则 13.8 JB（Jarque-Bera）正态分布检验 13.9 格兰杰（Granger）因果性检验 13.10 邹（Chow）突变点检验 在建立模型过程中，要对模型参数以及模型的各种假定条件作检验。这些检验要通过运用统计量来完成。 已经介绍过检验单个回归参数显著性的t统计量和检验模型参数总显著性的F统计量。介绍了模型误差项是否存在异方差的Durbin-Watson检验、White检验；介绍了模型误差项是否存在自相关的DW检验和BG检验。 本章开始先简要总结模型参数总显著性的F检验、单个回归参数显著性的t检验。然后再介绍几个在建模过程中也很常用的其他检验方法。他们是检验模型若干线性约束条件是否成立的F检验和似然比（LR）检验、Wald检验、LM检验、JB检验以及Granger非因果性检验。 第13章 模型检验的常用统计量 13.1 模型总显著性的F 检验 以多元线性回归模型，yt = ?0+?1xt1+?2xt2+…+?k xt k+ ut为例， 原假设与备择假设分别是 H0：?1= ?2 = … = ?k = 0； H1：?j不全为零 在原假设成立条件下，统计量 其中SSR指回归平方和；SSE指残差平方和；k+1表示模型中 被估参数个数；T 表示样本容量。判别规则是， 若 F ? F? (k,T-k-1)，接受H0； 若 F F? (k,T-k-1) , 拒绝H0。 13.2 模型单个回归参数显著性的t 检验