全部版块 我的主页
论坛 计量经济学与统计论坛 五区 计量经济学与统计软件 EViews专版
12059 8
2012-05-22
Null Hypothesis:        Obs        F-Statistic        Prob.
                       
                       
X1 does not Granger Cause G         19         2.25682        0.1414
G does not Granger Cause X1         1.74686        0.2102
                       
                       
X2 does not Granger Cause G         19         9.03921        0.0030
G does not Granger Cause X2         3.29233        0.0673
                       
                       
X3 does not Granger Cause G         19         3.15956        0.0737
G does not Granger Cause X3         0.27184        0.7659
                       
X6 does not Granger Cause G         19         1.18077        0.3358
G does not Granger Cause X6         3.64804        0.0531
                       
                       
X7 does not Granger Cause G         19         12.0403        0.0009
G does not Granger Cause X7         3.03277        0.0805
                       
                       
X8 does not Granger Cause G         19         2.25834        0.1412
G does not Granger Cause X8         0.36921        0.6978
                       
                       
X9 does not Granger Cause G         19         0.72379        0.5022
G does not Granger Cause X9         2.68149        0.1033
但是回归的结果是
Dependent Variable: G               
Method: Least Squares               
Date: 05/22/12   Time: 14:13               
Sample: 1990 2010               
Included observations: 21               
                               
                               
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                               
                               
X1        0.282128        0.093221        3.026454        0.0097
X2        0.074586        0.092910        0.802775        0.4365
X3        0.034842        0.052541        0.663136        0.5188
X6        -0.166054        0.048377        -3.432467        0.0045
X7        0.040745        0.191261        0.213035        0.8346
X8        0.835247        0.179741        4.646955        0.0005
X9        0.099287        0.062168        1.597080        0.1343
C        -4.30E-16        0.032641        -1.32E-14        1.0000
                               
                               
R-squared        0.985457            Mean dependent var        -1.90E-16
Adjusted R-squared        0.977626            S.D. dependent var        1.000000
S.E. of regression        0.149580            Akaike info criterion        -0.679640
Sum squared resid        0.290864            Schwarz criterion        -0.281726
Log likelihood        15.13622            Hannan-Quinn criter.        -0.593282
F-statistic        125.8412            Durbin-Watson stat        1.481718
Prob(F-statistic)        0.000000                       
                               
                               
这个X7在格兰杰因果关系检验里是显著的,但是回归结果的t检验却不显著,这是为什么呢?麻烦高手指导一下啊!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2012-5-31 13:33:45
回归分析研究的是当期的X7对G的影响是否显著;格兰杰重在考察滞后期,x7以前的行为是否影响G的当前行为。。我自己对此也有点晕。我做的论文,回归分析时,x通过了显著性检验,但是格兰杰检验时结果又是Y与x都不是彼此的格兰杰原因
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-12-5 16:46:23
这个帖子就没人解释了吗。。。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2015-10-19 14:38:43
两个不同的方法
回归基于的是相关 至于自变量和因变量的确定一方面取决于你研究的内容 同时也取决于经验 所以会有一些回归模型是因变量自变量相互影响的
格兰杰是一种基于滞后期的因果检验 他对样本的依赖性很高 得出的因果也只是数字上(统计上)的因果 也不是我们通常认为的那种因果关系
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2017-1-12 09:53:53
mark~~~
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2017-1-12 09:54:59
胖胖小龟宝 发表于 2015-10-19 14:38
两个不同的方法
回归基于的是相关 至于自变量和因变量的确定一方面取决于你研究的内容 同时也取决于经验 所 ...
您好,请问您觉得格兰杰因果关系检验是否适合于微观数据呢?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群