granger因果检验是检验两个变量之间的因果影响关系,如果A变量是引起B变量的原因的话,那么我们就可以对A施加影响从而来引起B的改变.例如:

经济增长是国防力量增强的GRANGER 原因,而国防力量的增强不是经济增长的GRANGER原因,那么我们可以依靠经济增长来促进国防力量的增强,但是我们不能企图国防力量的增强来带动经济增长.

不知你是否满意,我们可以进一步的交流.

2楼回答有问题吧

严格说

granger因果不是通常意义的因果

应该叫做“granger领先”

所以，正确的说法是“A是B的GRANGER原因”。

有空我们可以详谈

QQ69197899

Granger's definition for probabilistic causality
assumes three basic axioms: (1) the cause must
precede the effect in time, (2) the cause contains
some unique information concerning the effect's
future value, and (3) while the strength of causal
relations may vary over time, their existence and
direction are time-invariant (Granger, 1980;
1988a, b). The first axiom rules out the concept of
instantaneous causality. The third axiom stresses
the concept of causality as law.

截的Testing for Granger's Full Causality
Ted Covey; David A. Bessler
The Review of Economics and Statistics, Vol. 74, No. 1. (Feb., 1992), pp. 146-153.

中的一段话

不知道对楼主有没有用

计量经济学中的因果关系是指变量之间的依赖性，作为结果的应变量y是由作为原因的解释变量X所决定的，解释变量的变化引起应变量的变化。从一个回归方程中，我们无法确定变量之间是否具有因果关系，有时候我们说X是y的原因，但是这一因果关系更多是先验设定的。例如，我们将房屋价格设定为y，同时将房屋特征(如房屋面积、卧室数量等)设定为X，这并非出于统计上的原因，因为即使颠倒两者的设定我们也能得到显著的回归关系，然而普通常识提醒我们，后一种设定不合逻辑。但是在许多情况下，变量(尤其是时间序列变量)之间的因果关系并不像上述例子那样一目了然，而我们关注的可能正好是两者之间的因果关系，即使某一经济理论宣称了某种因果关系，我们也要在实证上加以证明。
Granger(1969)从预测的角度给出了因果性的一个定义：如果X有助于预测(解释)Y，则X是y的Granger原因。

将X的信息从信息集中去除不会改变对y的最优预测,则x不是y的granger原因。相反，会改变预测，则X是y的Granger原因，即将过去的X包含
在信息集中可提高对y的预测。此检验过程为Granger因果检验

没有办法写公式

但是意思应该表达清楚了