格兰杰因果检验步骤（如何进行协整的恩格尔格兰杰两步法）

本文目录

• 如何进行协整的恩格尔格兰杰两步法
• 格兰杰因果检验具体过程
• 如何用Eviews做格兰杰因果关系检验具体步骤
• 如何在STATA中做格兰杰因果关系检验
• 我现在数据做到二阶单整平稳序列，能说一下协整检验和格兰杰因果检验具体步骤吗
• 格兰杰因果检验操作方法
• Eviews5.0软件，格兰杰因果检验的详细步骤及如何看数据解说
• 格兰杰因果检验理论是啥公式是什么怎样判断结果主要是公式和理论的说明，谢谢！
• 请问格兰杰因果关系如何检验，谢谢

如何进行协整的恩格尔格兰杰两步法

　　先做单位根检验，只有所有的变量都是同阶的，才可能存在协整，只有协整检验通过，才可以直接对原变量回归，否则可能存在伪回归。如果协整不通过，则需要对变量进行差分后再回归。格兰杰因果检验不是必须的检验步骤，它只是检验两组数据在数据上的因果关系，即说明X是Y的原因，还是Y是X的原因，或互为因果。但是必须注意如果检验不通过，并不代表他们不存在因果关系，只能说明仅从样本数据而言，它们没有发现因果关系。重要的是要从理论上判断他们的因果关系。　　个人觉得正确的顺序是：先对单变量进行单位根的DF或ADF检验，后者更佳；　　然后根据各变量的单整阶数进行如下操作：　　1、若各变量是平稳的，可直接进行Granger因果检验；　　2、若各变量是同阶单整的，进行EG或者Johansen协整检验；差分后进行Granger因果检验；　　3、若变量是不同阶单整的，考虑对高阶单整变量进行协整检验，看其之间是否存在协整关系，然后将存在协整关系的高阶单整降阶后与低阶单整再次进行协整检验；另有Pesaran关于不同阶协整的方法；　　4、若部分变量平稳，部分变量不平稳，可对平稳变量用T或F统计量进行Granger因果检验；对非平稳变量选择T统计量进行Granger因果检验；　　另外对学友们的答复提出几点意见：　　Granger因果检验并非只能在变量平稳的条件下进行，协整针对的必须是非平稳变量

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 rootExogenous: NoneLag Length: 0 (Automatic based on SIC, MAXLAG=2)t-StatisticProb.*Augmented Dickey-Fuller test statistic9.5334621.0000Test critical values:1% level-2.7921545% level-1.97773810% level-1.602074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9.53，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Yt-StatisticProb.*Augmented Dickey-Fuller test statistic3.8267360.9990Test critical values:1% level-2.8472505% level-1.98819810% level-1.600140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 rootExogenous: NoneLag Length: 0 (Automatic based on SIC, MAXLAG=2)t-StatisticProb.*Augmented Dickey-Fuller test statistic-1.2366940.1853Test critical values:1% level-2.7921545% level-1.97773810% level-1.602074可以看出，检验统计量-1.24大于10%水平下的-1.6，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

如何用Eviews做格兰杰因果关系检验具体步骤

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。

如何在STATA中做格兰杰因果关系检验

这个是从人大经济论坛转来，请你去感谢作者吧：相关的stata命令可以有三种。 方法一：reg y L.y L.x （滞后1 期）estat ic （显示AIC 与BIC 取值，以便选择最佳滞后期）reg y L.y L.x L2.y L2.x estat ic （显示AIC 与BIC 取值，以便选择最佳滞后期）……根据信息准则确定p, q 后，检验 ；所用的命令就是test特别说明，此处p和q的取值完全可以不同，而且应该不同，这样才能获得最有说服力的结果，这也是该方法与其他两个方法相比的最大优点，该方法缺点是命令过于繁琐。 方法二：ssc install gcause （下载格兰杰因果检验程序gcause）gcause y x,lags(1) （滞后1 期）estat ic （显示AIC 与BIC 取值，以便选择最佳滞后期）gcause y x,lags(2) （滞后2 期）estat ic （显示AIC 与BIC 取值，以便选择最佳滞后期） 特别说明，在选定滞后期后，对于因果关系检验，该方法提供F检验和卡方检验。如果两个检验结论不一致，原则上用F检验更好些。因为卡方检验是一个大样本检验，而实证检验所能获得的样本容量通常并不大，如果采用的是大样本，则以卡方检验结果为准。不过，通常情况下，大样本下两个检验结论一致，所以不用担心。综上，F检验适用范围更广。 方法三：var y x （向量自回归）vargranger注意：1、如果实际检验过程中AIC和BIC越来越小，直到不能再滞后（时间序列长度所限）。这样的话，可能数据确实存在高阶自相关。在这种情况下，可以限制p的取值，比如取最大的 或 ， 。2、回归结果中各期系数显著性不同，有的不显著有的显著，如实汇报就可以。最好全部汇报。不显著的期数可能意味着那一期的自相关很弱。

我现在数据做到二阶单整平稳序列，能说一下协整检验和格兰杰因果检验具体步骤吗

协整检验：1. 首先，检验必须要求数据是经过一阶或二阶平稳处理的。2. 然后，从观测数据中构建协整检验模型，这个模型通常是一个拟合度较好的线性或非线性模型。3. 然后，进行协整检验，这一步涉及使用一种称为协整检验统计量的统计量，来检验模型中的参数是否具有统计显著性。4. 最后，如果协整检验统计量的p值小于某一阈值，则可以认为协整检验模型是可信的，这意味着观测数据之间存在某种程度的相关性。格兰杰因果检验：1. 首先，构建一个格兰杰因果检验模型，这个模型通常是一个线性或非线性模型。2. 然后，运用格兰杰因果检验统计量来检验模型中的参数是否具有统计显著性。3. 如果格兰杰因果检验统计量的p值小于某一阈值，则可以认为格兰杰因果检验模型是可信的，这意味着观测数据之间存在一种确定的因果关系。

格兰杰因果检验操作方法

先对时间序列进行平稳性检验，确定单位根个数，差分至平稳。对已经平稳的序列进行格兰杰因果检验。在eviews6中点击quick→group statistics→granger causality test→滞后阶数可以选择默认的2然后就有结果了建议观察p值，p值小于0.05不接受原假设。学习中，有错误请指正。p.s. 貌似回答得太晚了，但应该还是会有用 ^_^

Eviews5.0软件，格兰杰因果检验的详细步骤及如何看数据解说

（一）、ADF是单位根检验，第一列数据y做ADF检验，结果如下NullHypothesis:YhasaunitrootExogenous:C***tant,LinearTrendLagLength: (AutomaticbasedonSIC,MAXLAG= )t-StatisticProb.*AugmentedDickey-Fullerteststatistic- . . Testcriticalvalues: %level- . %level- . %level- . 在 %水平上拒绝原假设，序列y存在单位根，为不平稳序列。但在 %、 %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：NullHypothesis:YhasaunitrootExogenous:NoneLagLength: (AutomaticbasedonSIC,MAXLAG= )t-StatisticProb.*AugmentedDickey-Fullerteststatistic- . . Testcriticalvalues: %level- . %level- . %level- . 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：NullHypothesis:XhasaunitrootExogenous:C***tant,LinearTrendLagLength: (AutomaticbasedonSIC,MAXLAG= )t-StatisticProb.*AugmentedDickey-Fullerteststatistic- . . Testcriticalvalues: %level- . %level- . %level- . 在 %、 %水平上拒绝原假设，序列x存在单位根，为不平稳序列。但在 %水平上均接受原假设，认为x是平稳的。对y进行一阶差分，差分后进行ADF检验：NullHypothesis:XhasaunitrootExogenous:NoneLagLength: (AutomaticbasedonSIC,MAXLAG= )t-StatisticProb.*AugmentedDickey-Fullerteststatistic- . . Testcriticalvalues: %level- . %level- . %level- . 可见，在各水平上x都是平稳的。因此，可以把原序列x看做一阶单整。（二）、只有一阶单整的序列才可以进行协整检验：利用engle和granger提出的两步检验法：首先建立模型：y=ax+c+e，结果为Y= . *X+ . 再对方程的残差进行ADF检验：NullHypothesis:EhasaunitrootExogenous:NoneLagLength: (AutomaticbasedonSIC,MAXLAG= )t-StatisticProb.*AugmentedDickey-Fullerteststatistic- . . Testcriticalvalues: %level- . %level- . %level- . 从检验结果可以看出残差序列是平稳的，因此x和y之间存在协整关系。（三）、granger因果检验：PairwiseGrangerCausalityTestsDate: / / Time: : Sample: Lags: NullHypothesis:ObsF-StatisticProb.YdoesnotGrangerCauseX . . XdoesnotGrangerCauseY . . 从结果可知拒绝y不能grangerx的假设，即ygranger引起x；但是不能拒绝x不能g引起y，即接受x不能granger引起y。

格兰杰因果检验理论是啥公式是什么怎样判断结果主要是公式和理论的说明，谢谢！

虽然因果关系这个概念存在哲学或者其他概念上的困难，但在实际应用中通常采用格兰杰(Granger)因果关系检验（Granger causality test）。考虑最简单的形式，Granger检验是运用F-统计量来检验X的滞后值是否显著影响Yt （在统计的意义下），已经综合考虑Y的滞后值；如果影响不显著，那么称X不是Y的“Granger原因”（Granger cause），如果影响显著，那么称X是Y的“Granger原因”。同样，这也可以用于检验Y是X的“原因”，检验Y的滞后值是否影响X（已经考虑了X的滞后对X自身的影响）。检验由Y关于自己的滞后值和X滞后值的回归构成；如果X的滞后值影响不显著，那么X不是Y的Granger原因；同样，当检验Y是X的原因时，可以将X关于自己的滞后值和Y的滞后值回归，用F-检验法莱检验Y滞后值的影响。需要进行两个回归：在第一个方程中检验假设H0X ：βj=0，对所有j；在第二个方程中检验假设H0Y：αj=0，对所有j。如果前者没有被拒绝，那么X不是Y的Granger原因；如果后者没有被拒绝，那么Y不是X的Granger原因。这里没有一个明显的方法来确定滞后长度k。显然，存在四种可能的结果：X和Y都不是对方的Granger原因（H0X和H0Y都不被拒绝）；X和Y是对方的Granger原因（H0X和H0Y都被拒绝）；X是Y的Granger原因但Y不是X的Granger原因（H0X被拒绝但H0Y不被拒绝）；Y是X的Granger原因但X不是Y的Granger原因（H0X不被拒绝但H0Y被拒绝）。注意到，第一个回归中没有出现X的现值，在第二个回归中没有出现Y的现值。

请问格兰杰因果关系如何检验，谢谢

是granger检验，不过检验的观察值太少了。检验的结果可以看出：第一行，检验原假设：LNW不是引起LNCONS的原因检验的F值为1.92071临界值p为0.260210.26021》0.05，这说明了在5%的置信水平下检验的原假设是以比较大的概率发生的，所以可以认为接受原假设以下解释类似。。。希望对你有帮助