Eviews格兰杰因果关系检验结果说明
格兰杰因果关系检验
• 格兰杰因果关系检验概述 • 格兰杰因果关系检验的步骤 • 格兰杰因果关系检验的应用 • 格兰杰因果关系检验的局限性
• 格兰杰因果关系检验与其他方法的 比较
• 格兰杰因果关系检验的未来发展
01
格兰杰因果关系检验概述
定义与特点
定义
格兰杰因果关系检验是一种用于检验 两个时间序列变量之间是否存在一种 因果关系的统计方法。
自然科学领域的应用
1 2
气候变化与环境因素
研究气候变化与环境因素之间的因果关系，为环 境保护和可持续发展提供科学依据。
生物种群动态与环境因素
分析生物种群数量变化与环境因素之间的因果关 系，揭示生物种群动态的机制。
3
地之间的因果关系，为地 质灾害防治提供科学依据。
检验方法的改进与优化
非参数检验方法
针对参数检验方法的局限性，可以考虑使用非参数检验方法，如基于秩的检验或核密度 估计方法。
考虑非平稳性
对于非平稳时间序列数据，可以使用差分或协整技术来处理，以更准确地检测格兰杰因 果关系。
考虑其他相关因素
在解释格兰杰因果关系时，应综合考虑其他相关因素，如经济理论、市场环境等，以更 全面地理解因果关系的实际意义。
VS
相同点
格兰杰因果关系检验和其他因果关系检验 方法都是为了确定两个变量之间的因果关 系，为进一步的研究或决策提供依据。
与其他时间序列分析方法的比较
不同点
相同点
格兰杰因果关系检验专注于分析时间序列数 据中的因果关系，而其他时间序列分析方法， 如平稳性检验、季节性分解、趋势分析等， 则是针对时间序列数据的不同特征进行描述 和分析。
国际贸易与汇率
分析国际贸易流量和汇率变动之间的因果关系，揭示国际贸易对汇 率的影响机制。
VAR模型、Johansen协整检验在eviews中的具体操作步骤及结果解释
19
利用Genr命令可算得用于检验原假设是否 成立的伴随概率 P：
p=1-@cchisq(42.4250,18) =0.000964
故 P=0.000964< =0.05，应拒绝原假设
，建立VAR(3)模型。
20
三、约翰森（Jonhamson）协整检验
Jonhamson（1995）协整检验是基于VAR模 型的一种检验方法，但也可直接用于多变量间的协 整检验。
1.Johanson协整似然比（LR）检验 H0：有 0个协整关系; H1：有M个协整关系。 检验迹统计量：
N
LRM n
log(1 i )
i M 1
图11-1和图11-2，由图11-2可以看出，三个对数序列的
变化趋势基本一致，可能存在协整关系。
13
160000
120000
80000
40000
0 55 60 65 70 75 80 85 90 95 00
GDP
CT
IT
图11-1 GDPt、 Ct和 It
的时序图
12
11
10
9
8
7
6
5 55 60 65 70 75 80 85 90 95 00
LR 2(Lnl(1) Lnl(3)) 2(108.7551 129.9676) 42.4250
其中，Lnl(1)和Lnl(3)分别为P=1和P=3时VAR(P) 模型的对数似然函数值。在零假设下，该统计量 服从渐进的 2 ( f ) 分布，其自由度f为从VAR(3) 到VAR(1)对模型参数施加的零约束个数。对本 例：
这种方程组模型主要用于分析联合内生变量 间的动态关系。联合是指研究N个变量 y1t y2t yNt 间的相互影响关系，动态是指p期滞后。故称VAR 模型是分析联合内生变量间的动态关系的动态模 型，而不带有任何约束条件，故又称为无约束 VAR模型。建VAR模型的目的：
格兰杰因果关系检验.
格兰杰因果关系检验.格兰杰因果关系检验一、经济变量之间的因果性问题计量经济模型的建立过程，本质上是用回归分析工具处理一个经济变量对其他经济变量的依存性问题，但这并不是暗示这个经济变量与其他经济变量间必然存在着因果关系。
由于没有因果关系的变量之间常常有很好的回归拟合，把回归模型的解释变量与被解释变量倒过来也能够拟合得很好，因此回归分析本身不能检验因果关系的存在性，也无法识别因果关系的方向。
假设两个变量，比如国内生产总值GDP 和广义货币供给量M ，各自都有滞后的分量GDP （-1），GDP （-2）…，M （-1），M （-2），…，显然这两个变量都存在着相互影响的关系。
但现在的问题是：究竟是M 引起GDP 的变化，还是GDP 引起M 的变化，或者两者间相互影响都存在反馈，即M 引起GDP 的变化，同时GDP 也引起M 的变化。
这些问题的实质是在两个变量间存在时间上的先后关系时，是否能够从统计意义上检验出因果性的方向，即在统计上确定GDP 是M 的因，还是M 是GDP 的因，或者M 和GDP 互为因果。
因果关系研究的有趣例子是回答“先有鸡还是先有蛋”的问题。
1988年有两位学者Walter N. Thurman 和Mark E. Fisher 用美国1930——1983年鸡蛋产量（EGGS ）和鸡的产量（CHICKENS ）的年度数据，对此问题进行了统计研究。
他们运用格兰杰的方法检验鸡和蛋之间的因果关系，结果发现，鸡生蛋的假设被拒绝，而蛋生鸡的假设成立，因此，蛋为因，鸡为果，也就是先有蛋。
他们并建议作其他诸如“谁笑在最后谁笑得最好”、“骄傲是失败之母”之类的格兰杰因果检验。
二、格兰杰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。
EVIEWS各种检验
EVIEWS各种检验（一）、ADF是单位根检验，第一列数据y做ADF检验，结果如下Null Hypothesis:Y has a unit rootExogenous:Constant,Linear Trend外因的Lag Length:0(Automatic based on SIC,MAXLAG=10)t-Statistic Prob.*Augmented Dickey-Fuller test statistic-3.8200380.0213Test critical values:1%level-4.0987415%level-3.47727510%level-3.166190在1%水平上拒绝原假设，序列y存在单位根，为不平稳序列。
但在5%、10%水平上均接受原假设，认为y平稳。
对y进行一阶差分，差分后进行ADF检验：Null Hypothesis:Y has a unit rootExogenous:NoneLag Length:0(Automatic based on SIC,MAXLAG=10)t-Statistic Prob.* Augmented Dickey-Fuller test statistic-9.3282450.0000Test critical values:1%level-2.5999345%level-1.94574510%level-1.613633可见，在各水平上y都是平稳的。
因此，可以把原序列y看做一阶单整。
第二列xADF检验如下：Null Hypothesis:X has a unit rootExogenous:Constant,Linear TrendLag Length:0(Automatic based on SIC,MAXLAG=10)t-Statistic Prob.* Augmented Dickey-Fuller test statistic-3.2167370.0898Test critical values:1%level-4.0987415%level-3.47727510%level-3.166190在1%、5%水平上拒绝原假设，序列x存在单位根，为不平稳序列。
eviews图像及结果分析
.. 第4章图形和统计量分析EViews软件提供了序列(Series)和序列组(Group)等对象的各种视图、统计分析方法和过程。
当序列对象中输入数据后，就可对序列对象中输入的数据进行统计分析，并且可以通过图、表等形式进行描述。
本章将介绍序列和序列组对象图形的生成和描述性统计量及其检验。
4.1 图形对象图形(Graph)对象可以形成序列和序列组等对象的各种视图，如线图(Line)、散点图(Scatter)以及饼图(Pie)等。
通过图形可以进一步观察和分析数据的变化趋势和规律。
下面介绍图形对象的基本操作。
4.1.1 图形(Graph)对象的生成图形对象也是工作文件中的基本对象之一。
要生成图形对象需首先打开序列对象窗口或序列组对象窗口，选择对象窗口工具栏中的“View”|“Graph”选项。
选择的对象类型不同，将弹出不同的窗口。
如果在序列对象窗口下选择“View”|“Graph”选项，将弹出如图4-1所示的界面。
图4-1 序列窗口下图形对象的生成此时“Graph”弹出的菜单中有6种图形可供选择。
“Line”表示生成的是折线图，如图4-2所示，其横轴表示时间或序列的顺序，纵轴表示序列对象观测值的大小。
“Area”表示生成面积图，其图形的形状与“Line”(折线图)相同，不同的是“Area”(面积图)曲线下方是被填满的，而“Line”(折线图)下方是空白。
图4-2 “Line”折线图“Bar”表示为条形图，用条状的高度表示观测值的大小。
“Spike”表示尖峰图，由竖线组成，每根竖线的高度代表观测值的大小。
“Seasonal Stacked Line”表示生成的是季节性堆叠图，“Seasonal Split Line”表示生成的是季节性分割线。
如果在序列组(群)对象窗口下选择“View”|“Graph”选项，将弹出如图4-3所示的界面。
这里有9种图形可供选择。
其前4种与上面讲述的相同。
图4-3 序列组(群)窗口下图对象的生成其中，“Scatter”表示生成散点图。
Eviews格兰杰因果关系检验结果说明
Eviews格兰杰因果关系检验结果说明一、经济变量之间的因果性问题计量经济模型的建立过程，本质上是用回归分析工具处理一个经济变量对其他经济变量的依存性问题，但这并不是暗示这个经济变量与其他经济变量间必然存在着因果关系。
由于没有因果关系的变量之间常常有很好的回归拟合，把回归模型的解释变量与被解释变量倒过来也能够拟合得很好，因此回归分析本身不能检验因果关系的存在性，也无法识别因果关系的方向。
假设两个变量，比如国内生产总值GDP和广义货币供给量M，各自都有滞后的分量GDP(-1)，GDP(-2)…，M(-1)，M(-2)，…，显然这两个变量都存在着相互影响的关系。
但现在的问题是:究竟是M引起GDP的变化，还是GDP引起M的变化，或者两者间相互影响都存在反馈，即M引起GDP的变化，同时GDP也引起M的变化。
这些问题的实质是在两个变量间存在时间上的先后关系时，是否能够从统计意义上检验出因果性的方向，即在统计上确定GDP是M的因，还是M是GDP的因，或者M和GDP互为因果。
因果关系研究的有趣例子是回答“先有鸡还是先有蛋”的问题。
1988年有两位学者Walter N. Thurman和Mark E. Fisher用美国1930——1983年鸡蛋产量(EGGS)和鸡的产量(CHICKENS)的年度数据，对此问题进行了统计研究。
他们运用格兰杰的方法检验鸡和蛋之间的因果关系，结果发现，鸡生蛋的假设被拒绝，而蛋生鸡的假设成立，因此，蛋为因，鸡为果，也就是先有蛋。
他们并建议作其他诸如“谁笑在最后谁笑得最好”、“骄傲是失败之母”之类的格兰杰因果检验。
二、格兰杰因果关系检验strengthen the sense of responsibility, work to solve the lack of decent occupation explain away, conduct problems. To establish theoverall concept, eliminate departmentalism. Strict assessment and accountability, to solve the spiritual slack, nianqingpazhong, status quo, and other issues. To establish and perfect the muddle along Bureau staff conduct work regulations, standardize the behavior of personnel. 2. To strengthen the responsibility system. One is the in-depth study and implement the "Hunan provincial Party and government leading cadres Interim Provisions on the work safety of a pair of > (Hunan Officeissued 2013 No. 5)," Hunan province safety supervision and management responsibilities of the provisions on the production (Hunan Zhengban made 2013 No. 4) And resolutely implement the safety production of the party with responsibility, a pair of responsibility. "Two is issued safety production administration and inspection to promote the responsibilities bear safety production supervision departments strictly and effectively assumed responsibility. The three is to establish risk self correction self reporting system for safety in production enterprises, promote the enterprises to implement the mainresponsibility for production safety is introduced. Four strengthen the county safety production supervision ability construction work, promote safe production responsibility to the grassroots. 3, strictaccountability and target management. Adhere to the" who is in charge, who is responsible for the pipe industry must be safe, Guan Sheng production and operation must be safe, pipe business must controlsecurity "principle, the implementation of safety The production of "cure." stagnation supervision and leadership responsible system. The safety production of key towns, key enterprises and key problems, by the township government and the Department responsible for the stagnationled the lump sum, to tackle tough. To further increase the production safety index assessment, strictly implement the safety production of the "one vote veto" and the reward system, strengthen the safety incentive and restraint mechanism. (six) the implementation of the work force is not strong. The documents, meeting, long work arrangement, check and supervise the implementation of small, poor implementation of the system, the work is not effective. Some leading cadres sense of purpose, consciousness of the masses is not strong, the ruling " For the people "," the interests of the masses no matter "concept understanding is not in place. The specific work treats with the deployment, a few leading cadres complain that work is too complicated, too much responsibility, the pressure is too large, too much emphasis on the difficulty of the work, such as underground mines to avoid the disaster of" six systems "construction and construction of mechanical ventilation to file the form, forwarding arrangements work, no in-depth mining enterprises to promote the specific work, the increase in the number of files, but the effect is not good, not according to the actual situation of non coal mines in the county, to engage in" across the board ", and the quality 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。
E-view格兰杰检验步骤
以1978~2006年间实际可支配收入（X）和居民实际消费总支出(Y)之间的因果关系为例，做格兰杰检验
1.点击E-view主画面顶部按钮File/New/Workfile，如下图
弹出下图
2.在上图中的Workfile frequency中选择Annual，并输入Start date：1978 和End date：
2006，点击OK，如下图所示
3.再点击主画面中Objects/New Object，弹出如下窗口
4.选择Group，并在Name for Object框输入你要定义的名字如g1,得到下图
5.点击obs右边的单元格，此时该单元格下方所在列会变蓝，如图
在对话框中输入变量名称X,Y及其变量值
6.点击主页面Quick/Group Statistics/Granger Causality Test,得到下图
输入y x,点击Ok，得到下图，
将2改为1点击OK得到下图
武汉理工大学杨超上传。
格兰杰因果检验解读
格兰杰因果检验解读格兰杰因果关系检验一、经济变量之间的因果性问题计量经济模型的建立过程，本质上是用回归分析工具处理一个经济变量对其他经济变量的依存性问题，但这并不是暗示这个经济变量与其他经济变量间必然存在着因果关系。
由于没有因果关系的变量之间常常有很好的回归拟合，把回归模型的解释变量与被解释变量倒过来也能够拟合得很好，因此回归分析本身不能检验因果关系的存在性，也无法识别因果关系的方向。
假设两个变量，比如国内生产总值GDP和广义货币供给量M，各自都有滞后的分量GDP（-1），GDP（-2）…，M（-1），M（-2），…，显然这两个变量都存在着相互影响的关系。
但现在的问题是：究竟是M引起GDP的变化，还是GDP引起M的变化，或者两者间相互影响都存在反馈，即M引起GDP的变化，同时GDP也引起M 的变化。
这些问题的实质是在两个变量间存在时间上的先后关系时，是否能够从统计意义上检验出因果性的方向，即在统计上确定GDP是M的因，还是M是GDP的因，或者M和GDP互为因果。
因果关系研究的有趣例子是回答“先有鸡还是先有蛋”的问题。
1988年有两位学者Walter N. Thurman和Mark E. Fisher用美国1930——1983年鸡蛋产量（EGGS）和鸡的产量（CHICKENS）的年度数据，对此问题进行了统计研究。
他们运用格兰杰的方法检验鸡和蛋之间的因果关系，结果发现，鸡生蛋的假设被拒绝，而蛋生鸡的假设成立，因此，蛋为因，鸡为果，也就是先有蛋。
他们并建议作其他诸如“谁笑在最后谁笑得最好”、“骄傲是失败之母”之类的格兰杰因果检验。
二、格兰杰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。
他给因果关系的定义为“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。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Eviews格兰杰因果关系检验结果说明
一、经济变量之间的因果性问题
计量经济模型的建立过程，本质上是用回归分析工具处理一个经济变量对其他经济变量的依存性问题，但这并不是暗示这个经济变量与其他经济变量间必然存在着因果关系。
由于没有因果关系的变量之间常常有很好的回归拟合，把回归模型的解释变量与被解释变量倒过来也能够拟合得很好，因此回归分析本身不能检验因果关系的存在性，也无法识别因果关系的方向。
假设两个变量，比如国内生产总值GDP和广义货币供给量M，各自都有滞后的分量GDP （-1），GDP（-2）…，M（-1），M（-2），…，显然这两个变量都存在着相互影响的关系。
但现在的问题是：究竟是M引起GDP的变化，还是GDP引起M的变化，或者两者间相互影响都存在反馈，即M引起GDP的变化，同时GDP也引起M的变化。
这些问题的实质是在两个变量间存在时间上的先后关系时，是否能够从统计意义上检验出因果性的方向，即在统计上确定GDP是M的因，还是M是GDP的因，或者M和GDP互为因果。
因果关系研究的有趣例子是回答“先有鸡还是先有蛋”的问题。
1988年有两位学者Walter N. Thurman和Mark E. Fisher用美国1930——1983年鸡蛋产量（EGGS）和鸡的产量（CHICKENS）的年度数据，对此问题进行了统计研究。
他们运用格兰杰的方法检验鸡和蛋之间的因果关系，结果发现，鸡生蛋的假设被拒绝，而蛋生鸡的假设成立，因此，蛋为因，鸡为果，也就是先有蛋。
他们并建议作其他诸如“谁笑在最后谁笑得最好”、“骄傲是失败之母”之类的格兰杰因果检验。
二、格兰杰因果关系检验
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。
他给因果关系的定义为“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。
”
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。
格兰杰因果关系检验假设了有关y和x每一变量的预测的信息全部包含在这些变量的时间序列之中。
检验要求估计以下的回归：
（1）
（2）
其中白噪音u1t和u2t假定为不相关的。
式（1）假定当前y与y自身以及x的过去值有关，而式（2）对x也假定了类似的行为。
对式（1）而言，其零假设H0：α1=α2=…=αq=0。
对式（2）而言，其零假设H0：δ1=δ1=…=δs=0。
分四种情形讨论：
（1）x是引起y变化的原因，即存在由x到y的单向因果关系。
若式（1）中滞后的x的系数估计值在统计上整体的显著不为零，同时式（2）中滞后的y的系数估计值在统计上整体的显著为零，则称x是引起y变化的原因。
（2）y是引起x变化的原因，即存在由y到x的单向因果关系。
若式（2）中滞后的y的系数估计值在统计上整体的显著不为零，同时式（1）中滞后的x的系数估计值在统计上整体的显著为零，则称y是引起x变化的原因。
（3）x和y互为因果关系，即存在由x到y的单向因果关系，同时也存在由y到x的单向因果关系。
若式（1）中滞后的x的系数估计值在统计上整体的显著不为零，同时式（2）中滞后的y的系数估计值在统计上整体的显著不为零，则称x和y间存在反馈关系，或者双向因果关系。
（4）x和y是独立的，或x与y间不存在因果关系。
若式（1）中滞后的x的系数估计值在统计上整体的显著为零，同时式（2）中滞后的y的系数估计值在统计上整体的显著为零，则称x和y间不存在因果关系。
三、格兰杰因果关系检验的步骤
（1）将当前的y对所有的滞后项y以及别的什么变量（如果有的话）做回归，即y对y 的滞后项y t-1，y t-2，…，y t-q及其他变量的回归，但在这一回归中没有把滞后项x包括进来，这是一个受约束的回归。
然后从此回归得到受约束的残差平方和RSS R。
（2）做一个含有滞后项x的回归，即在前面的回归式中加进滞后项x，这是一个无约束的回归，由此回归得到无约束的残差平方和RSS UR。
（3）零假设是H0：α1=α2=…=αq=0，即滞后项x不属于此回归。
（4）为了检验此假设，用F检验，即：
它遵循自由度为q和(n-k)的F分布。
在这里，n是样本容量，q等于滞后项x的个数，即有约束回归方程中待估参数的个数，k是无约束回归中待估参数的个数。
（5）如果在选定的显著性水平α上计算的F值炒股临界Fα值，则拒绝零假设，这样滞后x项就属于此回归，表明x是y的原因。
（6）同样，为了检验y是否是x的原因，可将变量y与x相互替换，重复步骤（1）～（5）。
格兰杰因果关系检验对于滞后期长度的选择有时很敏感。
其原因可能是被检验变量的平稳性的影响，或是样本容量的长度的影响。
不同的滞后期可能会得到完全不同的检验结果。
因此，一般而言，常进行不同滞后期长度的检验，以检验模型中随机干扰项不存在序列相关的滞后期长度来选取滞后期。
格兰杰检验的特点决定了它只能适用于时间序列数据模型的因果性检验，无法检验只有横截面数据时变量间的因果性。
可以看出，我们所使用的Granger因果检验与其最初的定义已经偏离甚远，削减了很多条件（并且由回归分析方法和F检验的使用我们可以知道还增强了若干条件），这很可能会导致虚假的因果关系。
因此，在使用这种方法时，务必检查前提条件，使其尽量能够满足。
此外，统计方法并非万能的，评判一个对象，往往需要多种角度的观察。
正所谓“兼听则明，偏听则暗”。
诚然真相永远只有一个，但是也要靠科学的探索方法。
值得注意的是，格兰杰因果关系检验的结论只是统计意义上的因果性，而不一定是真正的因果关系。
虽然可以作为真正的因果关系的一种支持，但不能作为肯定或否定因果关系的最终根据。
当然，即使格兰杰因果关系不等于实际因果关系，也并不妨碍其参考价值。
因为统计意义上的因果关系也是有意义的，对于经济预测等仍然能起很大的作用。
由于假设检验的零假设是不存在因果关系，在该假设下F统计量服从F分布，因此严格地说，该检验应该称为格兰杰非因果关系检验。