格兰杰因果检验具体过程

平稳性检验就是单位根检验

先来看一下序列X是否平稳

Null Hypothesis: X has a unit root

Exogenous: None

Lag Length: 0 (Automatic based on SIC, MAXLAG=2)

t-Statistic Prob

Augmented Dickey-Fuller test statistic 9533462 10000

Test critical values: 1% level -2792154

5% level -1977738

10% level -1602074

原假设是存在单位根，序列是不平稳的。看是我们看ADF统计量值953，比10%水平下的值都要大，所以是接受原假设的，所以序列X是不平稳的。

再来看序列Y

t-Statistic Prob

Augmented Dickey-Fuller test statistic 3826736 09990

Test critical values: 1% level -2847250

5% level -1988198

10% level -1600140

同X一样，序列Y也是非平稳的。

协整检验就有点麻烦，先要对X和Y做差分，我这里是做了二阶差分才发现X，Y是平稳的，二阶差分后的序列定义为iix和iiy

对x和y序列做普通最小二乘回归

ls y c x

然后对残差序列做单位根检验

Null Hypothesis: E has a unit root

Exogenous: None

Lag Length: 0 (Automatic based on SIC, MAXLAG=2)

t-Statistic Prob

Augmented Dickey-Fuller test statistic -1236694 01853

Test critical values: 1% level -2792154

5% level -1977738

10% level -1602074

可以看出，检验统计量-124大于10%水平下的-16，可以认为残差序列为非平稳序列，所以x和y不具有协整关系。

最后来看格兰杰因果检验

Pairwise Granger Causalit

比如第一条：SL不是PGDP的格兰杰原因的概率是00066，如果置信度为005，那么，00066小于005，于是，第一条的意思就是“SL是PGDP的格兰杰原因”。

同理，PGDP不是SL的格兰杰原因的概率是03207，这个概率很大，超过置信度，所以，意思就是“PGDP不是SL的格兰杰原因”。

下面的相同。

重新检查数据和假设条件。

格兰杰因果关系检验是用于检验两个变量之间是否存在因果关系的统计方法。如果检验不通过，说明样本数据不支持这两个变量之间存在显著的因果关系。为了解决这个问题，可以重新检查数据来源和采集方法是否准确、完备，以及验证假设条件是否符合实际情况。同时，也可以考虑采用其他的统计方法或者调整变量之间的关系，重新进行分析。

在实践中，检验结果并不总是绝对可靠的，需要结合具体情况和专业知识进行分析。此外，在提高数据质量、加强假设建立等方面也可以有效地避免因果关系检验不通过的情况。

转载的：

单位根检验、协整检验和格兰杰因果关系检验三者之间的关系

实证检验步骤：先做单位根检验，看变量序列是否平稳序列，若平稳，可构造回归模型等经典计量经济学模型；若非平稳，进行差分，当进行到第i次差分时序列平稳，则服从i阶单整（注意趋势、截距不同情况选择，根据P值和原假设判定）。若所有检验序列均服从同阶单整，可构造VAR模型，做协整检验（注意滞后期的选择），判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。如果有，则可以构造VEC模型或者进行Granger因果检验，检验变量之间“谁引起谁变化”，即因果关系。

一、讨论一

1、单位根检验是序列的平稳性检验，如果不检验序列的平稳性直接OLS容易导致伪回归。

2、当检验的数据是平稳的（即不存在单位根），要想进一步考察变量的因果联系，可以采用格兰杰因果检验，但要做格兰杰检验的前提是数据必须是平稳的，否则不能做。

3、当检验的数据是非平稳（即存在单位根），并且各个序列是同阶单整（协整检验的前提），想进一步确定变量之间是否存在协整关系，可以进行协整检验，协整检验主要有EG两步法和JJ检验

A、EG两步法是基于回归残差的检验，可以通过建立OLS模型检验其残差平稳性

B、JJ检验是基于回归系数的检验，前提是建立VAR模型（即模型符合ADL模式）

4、当变量之间存在协整关系时，可以建立ECM进一步考察短期关系，Eviews这里还提供了一个Wald－Granger检验，但此时的格兰杰已经不是因果关系检验，而是变量外生性检验，请注意识别

二、讨论二

1、格兰杰检验只能用于平稳序列！这是格兰杰检验的前提，而其因果关系并非我们通常理解的因与果的关系，而是说x的前期变化能有效地解释y的变化，所以称其为“格兰杰原因”。

2、非平稳序列很可能出现伪回归，协整的意义就是检验它们的回归方程所描述的因果关系是否是伪回归，即检验变量之间是否存在稳定的关系。所以，非平稳序列的因果关系检验就是协整检验。

3、平稳性检验有3个作用：1）检验平稳性，若平稳，做格兰杰检验，非平稳，作协正检验。2）协整检验中要用到每个序列的单整阶数。3）判断时间学列的数据生成过程。

三、讨论三

其实很多人存在误解。有如下几点，需要澄清：

第一，格兰杰因果检验是检验统计上的时间先后顺序，并不表示而这真正存在因果关系，是否呈因果关系需要根据理论、经验和模型来判定。

第二，格兰杰因果检验的变量应是平稳的，如果单位根检验发现两个变量是不稳定的，那么，不能直接进行格兰杰因果检验，所以，很多人对不平稳的变量进行格兰杰因果检验，这是错误的。

第三，协整结果仅表示变量间存在长期均衡关系，那么，到底是先做格兰杰还是先做协整呢？因为变量不平稳才需要协整，所以，首先因对变量进行差分，平稳后，可以用差分项进行格兰杰因果检验，来判定变量变化的先后时序，之后，进行协整，看变量是否存在长期均衡。

第四，长期均衡并不意味着分析的结束，还应考虑短期波动，要做误差修正检验。

来自:

以上就是关于格兰杰因果检验具体过程全部的内容，包括:格兰杰因果检验具体过程、格兰杰因果检验的结果怎么看啊 我把图放上来 大神给教看一下、格兰杰因果关系检验不通过怎么办等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！