那请问如何用差分后的序列作检验呢？在eviews上怎么实现？谢谢了

可以用差分命令，比如对X和Y变量差分，就在genr中输入：dX=d(X),dY=d(Y)

然后选上dX和dY，右击选择“as group” ,然后就可以在View里选择Granger Causality进行检验了

我给张晓峒老师发邮件询问了一下，

他这么回复的：如果两个I(1)非平稳变量存在协整关系，就可以用原变量直接做格兰杰因果性检验，否则，用1次差分变量做格兰杰因果性检验。平稳变量可直接做格兰杰因果性检验。

看来这个问题解决了。

谢谢！！知道了！！

多谢9楼兄弟帮忙，最近烦这个

这个问题很多人问啊！几乎没有很满意的答案。

9# puppylove 好，非常感谢，终于搞明白了

恩 张小同在课上也是跟我们这样说的 存在协整关系的两个变量可以直接对原变量做因果关系检验 但是我觉得更应该是通过vec模型检验长短期因果关系

张老师书上的例子也是如此。我猜测他的理由是：两个存在协整关系的变量的OLS不是伪回归，其VAR也不存在伪回归问题，所以可以基于VAR进行Granger检验。
不过问题在于：通过VEC进行Granger检验的理论基础非常坚实，也是SSCI文献的通行做法，短期和长期检验可以区分得非常清晰。
与之相比，用协整的非平稳原序列直接进行Granger检验的话，其检验性质是短期还是长期有些说不清楚。最致命的是，如果模型是多变量的，用成对的非平稳原序列直接进行所谓的Granger检验就有意忽视了其他变量的交互影响，几乎可以说是把原模型给肢解后再行分析，与协整的基本理念相矛盾。
尽管我非常尊重张老师，但他所提出的“可以直接对协整的非平稳序列直接进行Granger检验”的观点仍然无法接受。

另外，我印象中以前读过一篇文献证明非平稳序列VAR的残差不服从F分布，如果这样的话直接进行以此为假设的Granger因果关系检验就真的有问题了。
不过，我查了自己的笔记没有找到，因此现在无法给出具体的文献出处。有了解的朋友请提示一下，谢谢。

也有同样疑问，学习了

也具有同样问题，依然迷惑~

协整的话，还是应该通过VEC来做格兰杰检验，不协整，建立VAR模型进行格兰杰检验

对于同阶单整的非平稳变量，协整关系和Granger因果关系互为充分必要条件，国内一些文献中“两个变量之间不存在协整关系，但二者可能存在Granger因果关系”的说法是完全错误的，违反了Granger定理。
平稳变量不需进行协整关系检验，可以直接建立VAR并进行Granger检验；无协整关系的同阶单整非平稳变量就用不着进一步检验了，我个人觉得毫无意义。

比较麻烦的一个问题是非平稳变量的单整阶数不同，例如有些国家的GDP等变量是一阶单整，资本存量却是二阶单整，如果因为它们非同阶单整就轻率地否定变量之间存在因果关系似乎是不负责任的，但协整理论却无法对上述状况进行分析。不知应如何对非同阶单整时间序列进行因果关系检验。

我也在困惑这个问题呢

格兰杰因果检验要求变量是平稳的，因此，如果原序列是平稳的，则直接用原序列。

但是如果原序列不是平稳的，而它的差分是平稳的，则应用差分后的平稳数列。

而且软件应用书上的公式，可以看出这一点

原来是这样啊!!!有点清楚了！！！

学习学习，糊涂中

总结下以上的观点，谈点自己的看法：
我基本赞同acjlhong的观点。
第一，对于平稳序列间直接进行Granger因果检验，这点大家的共识
第二，对于同阶单整且存在协整关系的时间序列间，尽量使用VEC来进行长短期的Granger因果检验。
（如果只有两个时间序列，直接用原序列进行Granger因果检验我觉得也可以接受）
第三，对于同阶单整但不存在协整的变量间，Granger也可以做，我觉得此时用差分做就可以。因为协整是说的长期均衡，而Granger的意义只是在于自变量滞后变量对因变量的预测是否有改进作用。

欢迎大家拍砖~

学习学习。。。

最近就在愁这件事！学到了！！！

还是有些糊涂

以前也有同样的问题，在这里学到了不少

对了，也还有些糊涂，希望继续总结，支持