再结合逻辑推理就可以说服问题了

单位根检验是检验序列的平稳性的，如果非平稳，看是否为一阶单整，可判断上否满足协整的前提条件，在进行granger因果检验 向这种问题你看书很容易知道，好好看看书

+50

[此贴子已经被jimmy_young2005于2008-8-16 21:04:12编辑过]

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。

可参见https://bbs.pinggu.org/Archive_view_5_332234.html

+50

[此贴子已经被jimmy_young2005于2008-8-16 21:04:57编辑过]

只有数据是同阶单整的，才能做协整检验

先对变量进行单位根的检验，即检验平稳性的问题。如果变量是平稳的就可以进行协整分析和granger的检验了。

也可以建立VAR模型进行协整分析和granger检验

太好了，正想了解此事，谢谢各位专家

说说本人的看法，我觉得上述的说法均有不大合理的地方，我综合各Eviews的教程和Eviews官方UserGuide，应该为：

1、单位根检验是序列的平稳性检验，如果不检验序列的平稳性直接OLS容易导致伪回归。

2、当检验的数据是平稳的（即不存在单位根），要想进一步考察变量的因果联系，可以采用格兰杰因果检验（11楼主解释了该原理），但要做格兰杰检验的前提是数据必须是平稳的，否则不能做。

3、当检验的数据是非平稳（即存在单位根），并且各个序列是同阶单整（协整检验的前提），想进一步确定变量之间是否存在协整关系，可以进行协整检验，协整检验主要有EG两步法和JJ检验

A、EG两步法是基于回归残差的检验，可以通过建立OLS模型检验其残差平稳性

B、JJ检验是基于回归系数的检验，前提是建立VAR模型（即模型符合ADL模式）

4、当变量之间存在协整关系时，可以建立ECM进一步考察短期关系，Eviews这里还提供了一个Wald－Granger检验，但此时的格兰杰已经不是因果关系检验，而是变量外生性检验，请注意识别

+200论坛币

[此贴子已经被jimmy_young2005于2008-8-17 20:26:41编辑过]

(Mackie 1966) 把原因定义为INUS条件，INUS是“an insufficient but necessary part of a condition which is itself unnecessary but sufficient for the result”的缩写，就是说，它是一组本身不是造成该结果的必要条件，却是其充足条件的因素中的一个组成部分，而这个组成部分在那一组条件中对于造成该结果是必要的，却又是不充分的。比如说，(倪培民 2004)举的例子：划一根火柴，火柴点着了。我划火柴的动作就是火柴着火的INUS条件。他在那特定的一组引起该结果的条件中是必要的，却又是不充分的。没有我这个动作，光有火柴、空气，还是没有火。所以它在这个特定的一组条件里是必要的。但只有我这个动作，没有火柴的干燥和氧气的存在，火柴还是不能点燃。所以它又是不充分的。再看整个一组条件，虽然当它们都具备的时候，形成了该结果的充分条件，火点燃了，但是这一组条件却不是火柴着火的必要条件。因为这个火柴也可能由于其他原因而着火，比如你把火柴拿过去把它点着了。这个在实际的计量分析时实现起来是很难的。

而Granger因果关系与我们实际生活中用的“原因”（INUS条件）的含义是有差异的。但是就从计量的角度对原因进行检验而言，它却是一个很具有操作性的概念，因此得到了广泛的应用。

我看了些文献，觉得对因果关系的探讨下面这篇文章是很值得一看的：

倪培民：“再铸因果概念”，《世界哲学》2004 年第1 期。

    现在做回归基本上都要求单位根检验，为了防止“伪回归”的产生，所以granger因果检验可能产生仅仅数据上的支持，因为任何数据都可能建立回归关系，但是有意义的模型是需要理论支撑的，就是事先需要有理论上的论证，然后再进行单位根的检验，协整检验包括两种，一是回归系数的检验，其次是残差的检验，一种均衡关系性质的统计显示，用于刻画多个序列之间之间的平衡或平稳关系实际上是否协整就是通过单位根进行的，如ADF检验。

楼主提出一个貌似简单、但现在许多人都在错误应用的问题。

1、格兰杰检验只能用于平稳序列！这是格兰杰检验的前提，而其因果关系并非我们通常理解的因与果的关系，而是说x的前期变化能有效地解释y的变化，所以称其为“格兰杰原因”。

2、非平稳序列很可能出现伪回归，协整的意义就是检验它们的回归方程所描述的因果关系是否是伪回归，即检验变量之间是否存在稳定的关系。所以，非平稳序列的因果关系检验就是协整检验。

3、平稳性检验有3个作用：1）检验平稳性，若平稳，做格兰杰检验，非平稳，作协正检验。2）协整检验中要用到每个序列的单整阶数。3）判断时间学列的数据生成过程。

[此贴子已经被作者于2008-8-31 17:43:58编辑过]

I Learn a little  from the above . Thanks.

“非平稳的时间序列在同阶的情况下可以做VAR，但是只能做JJ协整”，这个说法不正确。也可以做EG两步法，EG两步法和JJ检验的原理不一样