格兰杰因果关系检验.pptxVIP

格兰杰因果检验原理及其应用实例;一、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 ;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 ;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 ;实例介绍（三种不同情况）;例1 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： ;（2）建立变量序列并输入样本数据。 ;（3）进行Granger因果关系检验。 ;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。降水量确实是水库流量的Granger原因。;例二;经过Eviews进行格兰杰检验结果如下;例三;经过Eviews进行格兰杰检验结果如下;四、格兰杰因果检验的评价;四、格兰杰因果检验的评价;谢谢观看！