格兰杰因果关系检验PPT.pptxVIP

格兰杰因果检验原理及其应用实例一、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。格兰杰检验的适用范围 只能适用于具有平稳性的时间序列数据模型的检验，无法检验只有横截面数据时变量间的关系。原始的格兰杰因果性定义并没有规定变量必须是平稳的。在格兰杰重新回顾他的因果性定义的时候，对变量平稳性也没有再深入分析。但是目前有一点学术界是有定论的，就是如果变量是非平稳的，那么应用F统计量来做推断会产生问题。周建、李子奈运用蒙特卡洛模拟也得出当变量为非平稳时间序列时，任何无关的两个的变量间都很容易得出有因果性的结论。因此，在实证研究时，一般认为只有平稳变量才能应用F统计量进行推断，否则结论可能是不可靠的。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