格兰杰因果关系检验课件.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,格兰杰因果检验原理及其应用实例,1,一、,Granger,因果关系,Granger,指出：,如果一个变量,X,无助于预测另一个变量,Y，,则说,X,不是,Y,的原因；相反，若,X,是,Y,的原因，则必须满足两个条件：第一，,X,应该有助于预测,Y，,即在,Y,关于,Y,的过去值的回归中，添加,X,的过去值作为独立变量应当显著地增加回归的解释能力；第二，,Y,不应当有助于预测,X，,其原因是，如果,X,有助于预测,Y，Y,也有助于预测,X，,则很可能存在一个或几个其他变量，它们既是引起,X,变化的原因，也是引起,Y,变化的原因。,现在人们一般把这种从预测的角度定义的因果关系称为,Granger,因果关系,。,2,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。,3,二、,Granger,因果关系检验,变量,X,是否为变量,Y,的,Granger,原因，是可以检验的。,检验,X,是否为引起,Y,变化的,Granger,原因的过程如下：,第一步，,检验原假设“,H,0,：X,不是引起,Y,变化的,Granger,原因”。,首先，估计下列两个回归模型：,无约束回归模型（,u）：,有约束回归模型（,r）：,式中，,0,表示常数项；,p,和,q,分别为变量,Y,和,X,的最大滞后期数，通常可以取的稍大一些；,t,为白噪声。,4,然后，用这两个回归模型的残差平方和,RSS,u,和,RSS,r,构造,F,统计量：,检验原假设“,H,0,：X,不是引起,Y,变化的,Granger,原因”（等价于检验,H,0,：,1,=,2,=,q,=0）,是否成立。,如果,FF,（q，n-p-q-1）,则,1,、,2,、,q,显著不为0，应拒绝原假设“,H,0,：X,不是引起,Y,变化的,Granger,原因”；反之，则不能拒绝原假设“,H,0,：X,不是引起,Y,变化的,Granger,原因”。,其中，,n,为样本容量。,5,第二步,，将,Y,与,X,的位置交换，按同样的方法检验原假设“,H,0,：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“,H,0,：X,不是引起,Y,变化的,Granger,原因”和接受原假设“,H,0,：Y,不是引起,X,变化的,Granger,原因”。,6,三、通过,Eviews,软件进行,Granger,因果关系检验,上述,Granger,因果关系检验，是建立在,向量自回归（,VAR：Vector Autoregression）,模型,技术基础之上的。但是，,借助于,Eviews,软件，可以很方便地进行,Granger,因果关系检验。,具体步骤为：,首先，建立工作文件，录入需检验是否存在,Granger,因果关系的变量,Y,和,X,的样本观测值；,7,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。,8,格兰杰因果检验结果,表中，最后一列的,Probability,是,F,统计量（,F-Statistic）,的相伴概率，表示拒绝第一列中的原假设（,Null Hypothesis）,犯第一类错误的概率，该概率越小，越应该拒绝原假设。,Obs,表示每个变量序列的观测值个数，等于,n-k。,9,实例介绍（三种不同情况）,10,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,。,11,12,解：,（1）建立工作文件。,由于本例数据的时间间隔为旬，,Eviews,没有提供相应的时期度量，故应利用鼠标左键单击主菜单选项,File，,在打开的下拉菜单中选择,New/Workfile，,并在工作文件定义对话框（,Workfile Range）,的,Workfile frequency,一栏选择,Undated or irregular,项。在起止项中分别输入1和78，表示每个序列的观测值个数为78个。,13,（2）建立变量序列并输入样本数据。,在工作文件建立后，应创建待分析处理的数据序列。在主窗口的菜单选项或者工作文件窗口的工具栏中选择,Objects/New Object，,并在屏幕出现的对象定义对话框（,New Object）,左侧的,Type of Object,一栏选择,Series，,在右侧,Name for Object,一栏分别输入,vol,和,ra,表示水库流量与降水量两个序列。然后在工作文件（,Workfile）,窗口分别双击,vol,或,ra，,在屏幕出现的,Series,窗口工具栏上选择,Edit+/-,按钮，进入编辑状态，可以输入样本数据。录入数据完毕后再次点击,Edit+/-,按钮，恢复只读状态。或者，也可以在,Excel,中先建立一个工作表，将有关变量的数据录进去；然后在,EViews,的工作文件窗口选择,procs/Import/Read Text-lotus-Excel，,将其读入,Eviews。,14,（3）进行,Granger,因果关系检验。,在工作文件窗口中，同时选中序列,vol,和,ra，,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）；,然后，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=9，,点击,OK，,即可得到格兰杰因果检验的结果。,格兰杰因果关系检验的结果,15,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。,16,例二,17,经过,Eviews,进行格兰杰检验结果如下,可以看出在滞后期为,2,的情况下，两者互为原因，不符合格兰杰因果检验。,18,例三,19,经过,Eviews,进行格兰杰检验结果如下,可以看出在滞后期为,2,的情况下，两者互不为原因。,20,四、格兰杰因果检验的评价,格兰杰的,统计学本质上是对平稳时间序列数据一种预测，格兰杰因果关系检验的结论只是一种预测，是统计意义上的格兰杰因果性，而不是真正意义上的因果关系，不能作为肯定或否定因果关系的根据。,把可获得的信息看作信息集,J,，把所有的信息看作宇宙信息集,。,在信息集,J,中,X,的信息可以改善对,Y,的预测，则相对于信息集,J,，,X,构成,Y,的有初步证据的因果性,。,我们无法确定是否在现有信息集,J,以外还有其他变量会对,Y,产生影响，也就无法确定,X,是否是真正的原因,因为这时我们的信息集是不完整的,。,实际应用中多数是两个变量之间检验，很容易出现遗漏重要相关变量的情形。因为我们无法采用宇宙中所有的信息，在有限的信息集中只有保证不遗漏重要的相关变量，才能称之为因果性。,21,四、格兰杰因果检验的评价,除了前面提到的种种定义以外，包括相关性分析、普通的回归分析都与因果性的概念有联系，因果性分析应该是计量经济学分析的基础考虑。总之，格兰杰因果性检验并非发现因果性也不是唯一途径。连格兰杰本人也承认，当从理论上相信变量之间有因果性的时候，这种检验可以增强对因果性的信心。但是如果你不相信这种因果性的定义，也不必强求。这应该是对格兰杰因果性的准确定位。,22,谢谢观看！,23,