我用eviews做出的结果
哪位高手能讲讲咋看格兰杰因果检验出来的结果啊，如何区分接受和拒绝原假设
p值小于给定的显著性水平拒绝，一般p值小于005，特殊情况下可以放宽到01。f统计量大于分位点即可。一般看p值，F还要查表
本人认为，格兰杰检验主要看P值即可。例如，若P值小于01，则拒绝原假设，变量间存在格兰杰因果关系。
看结果p值
1、如果p小于设定显著性水平（1%，5%，10%），则证明x不是y格兰杰原因的概率很小，拒绝这一假设，证明x是y的格兰杰因
2、反之则反之
看p值就好了 比较容易还容易记 通常和005、01比较 小于就比较显著 拒绝原假设
格兰杰检验建议参考李子奈《计量经济学》，讲的相对详细。需要关注不同滞后阶数下AIC值，和LM（1）。
设定的显著性水平怎么看
显著性水平是你根据实际情况自己设定的，可以是1%，5%，10%。如得出的结果p=003, 对于这个结果，如果你要求他在1%显著水平（精度要求较高），但由于003>1%,显然结果就不满足要求，即没法在1%条件下显著。但是如果从5%来看，则他满足这一要求了，因为003<5%。所以p=003满足了5%的显著水平，但满足不了1%的显著水平，但5%也挺可信了。
最简单的方法j就是看P值，一般设定为005（也有01,001，要求严格一点就将比较标准设为001，不严格就设定为01），将P值与005比较，P>005,接受原假设，P<005，拒绝原假设，原假设就是，，，，不是，，，的原因
第一步：选定两序列,以group打开（点右键,选open as group)得弹出窗如图：
第二步：选菜单view,点选最后一项granger causalty test得弹出窗,输入阶数,一般2或3即可,点OK,得结果。
经济学家开拓了一种试图分析变量之间的格兰杰因果关系的办法，即格兰杰因果关系检验。该检验方法为2003年诺贝尔经济学奖得主克莱夫·格兰杰（Clive W J Granger）所开创，用于分析经济变量之间的格兰杰因果关系。他给格兰杰因果关系的定义为“依赖于使用过去某些时点上所有信息的最佳最小二乘预测的方差。”
格兰杰因果检验简要介绍
格兰杰（Granger）因果性检验目前在计量经济学中应用比较多，不过我们当初学习计量并没有学这个检验方法，经济学专业的学生应该会学到吧。上次谭英平师姐给我们讲宏观经济统计分析课时曾经给我们介绍过，不过也只是很肤浅地说了说原理（这种教学有一定的危险性啊）。
要探讨因果关系，首先当然要定义什么是因果关系。这里不再谈伽利略抑或休谟等人在哲学意义上所说的因果关系，只从统计意义上介绍其定义。从统计的角度，因果关系是通过概率或者分布函数的角度体现出来的：在宇宙中所有其它事件的发生情况固定不变的条件下，如果一个事件A的发生与不发生对于另一个事件B的发生的概率（如果通过事件定义了随机变量那么也可以说分布函数）有影响，并且这两个事件在时间上又先后顺序（A前B后），那么我们便可以说A是B的原因。
早期因果性是简单通过概率来定义的，即如果P(B|A)>P(B)那么A就是B的原因（Suppes，1970）；然而这种定义有两大缺陷：一、没有考虑时间先后顺序；二、从P(B|A)>P(B)由条件概率公式马上可以推出P(A|B)>P(A)，显然上面的定义就自相矛盾了（并且定义中的“>”毫无道理，换成“<”照样讲得通，后来通过改进，把定义中的“>”改为了不等号“≠”，其实按照同样的推理，这样定义一样站不住脚）。
事实上，以上定义还有更大的缺陷，就是信息集的问题。严格讲来，要真正确定因果关系，必须考虑到完整的信息集，也就是说，要得出“A是B的原因”这样的结论，必须全面考虑宇宙中所有的事件，否则往往就会发生误解。最明显的例子就是若另有一个事件C，它是A和B的共同原因，考虑一个极端情况：若P(A|C)=1，P(B|C)=1，那么显然有P(B|AC)=P(B|C)，此时可以看出A事件是否发生与B事件已经没有关系了。
因此，Granger（1980）提出了因果关系的定义，他的定义是建立在完整信息集以及发生时间先后顺序基础上的。至于判断准则，也在逐步发展变化：
最初是根据分布函数（条件分布）判断，注意Ωn是到n期为止宇宙中的所有信息，Yn为到n期为止所有的Yt (t=1…n)，Xn+1为第n+1期X的取值，Ωn-Yn为除Y之外的所有信息。
F(Xn+1 | Ωn) ≠ F(Xn+1 | (Ωn − Yn)) - - - - - - - (1)
因果关系检验。
经济学家开拓了一种可以用来分析变量之间的因果的办法，即格兰杰因果关系检验。该检验方法为2003年诺贝尔经济学奖得主克莱夫·格兰杰（Clive W． J． Granger）所开创，用于分析经济变量之间的因果关系。
①格兰杰因果关系检验只适用于时间序列数据，他的哲学思想是原因一定早先于结果发生；
②检验结果对变量滞后期长度非常敏感，滞后期长度不同，结果可能截然相反。所以，有些时候，我们可能不得不采用赤池或施瓦茨信息准则来选择合适的滞后期长度；
③进入检验的误差项必须是不相关的，若出现相关性，可能需要进行适当的变换；
④被检验变量Y和X必须得是平稳的，非平稳的时间序列是没有太大预测价值的。
扩展资料
相关背景：
格兰杰本人在其2003年获奖演说中强调了其引用的局限性，以及“很多荒谬论文的出现”(Of course, many ridiculous papers appeared)。由于其统计学本质上是对平稳时间序列数据一种预测,仅适用于计量经济学的变量预测,不能作为检验真正因果性的判据。
在时间序列情形下，两个经济变量X、Y之间的格兰杰因果关系定义为：若在包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果，即变量X有助于解释变量Y的将来变化，则认为变量X是引致变量Y的格兰杰原因。
进行格兰杰因果关系检验的一个前提条件是时间序列必须具有平稳性，否则可能会出现虚假回归问题。因此在进行格兰杰因果关系检验之前首先应对各指标时间序列的平稳性进行单位根检验(unit root test)。常用增广的迪基—富勒检验(ADF检验)来分别对各指标序列的平稳性进行单位根检验。
参考资料来源：百度百科-因果关系检验
以上就是关于怎么看格兰杰因果检验中在哪里设置显著性水平全部的内容，包括:怎么看格兰杰因果检验中在哪里设置显著性水平、Eviews 如何做格兰杰检验、格兰杰因果等相关内容解答，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！
