格兰杰因果关系检验PPT.ppt

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/asGroup，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/GrangerCausality，在屏幕出现的对话框（LagSpecification）中Lagstoinclude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。2021/10/10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“VOLdoesnotGrangerCauseRA”犯第一类错误的概率高达0.32100，而拒绝原假设“RAdoesnotGrangerCauseVOL”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！