其实我个人认为, 协整是从数据的表观上看的, (当然, 所有计量问题, 抛开变量背后的函义, 都是从数据的表观上看的), 只要两个序列都具有相同的趋势, 如果是都趋势平稳, 那么很有可能是协整的, 如果都是差分平稳, 只要它们"踏着相同的波长在随机游走" 就如两个舞伴一样"协调",那么它们也是协整的. 这就是为什么, 直观上看, 协整的时间序列,图形都是两吻合,或平行的.  如果从理论上看, 则是由于这个相稳合或平行, 可以保证变量在回归的过程中产生的u (随机误差)是stable的,也就不会产生superious 回归, 保证了所有t, F统计量的可靠性. 这就是协整的理论意义. 我们再看格兰杰因果. 是增加外生滞后变量能总体上增加方程的解释力度, 即Wald检验外生滞后都显著不为零(统计上), 那么就说外生变量有助于预测内生变量,这时就有因果关系. 显然, 格兰杰因果强调的是滞后引导关系, 协整强调的是"相同的步伐", 不同则会有纠正机制(没有强调谁先谁后)而且, 格兰格用的是Wald 检验, 而协整用的是unit root检验, 二者对待问题的角度都不同.我个人认为它们是有关系的, 关系是, 协整是格兰杰因果的前提(保证不是虚假回归), 但不一定会导至显著的预测能力,即格兰杰因果.举个例子, 你和新认识的舞伴跳舞, 你不能预测她下一步怎么走, 她也不能预测你下一步怎么走, 但你们两可以配合得很好, 这叫协整!!而如果你是一个舞导指挥, 你叫她怎么跳, 她就怎么跳, 这时, 你是她的单方面格兰杰原因而如果你们是长年合作的舞伴, 你们跳得同一个舞, 大家都知道下一步该怎么跳, 这时, 你们就是双方面的格兰杰因果关系了。

更多的探讨请看下面链接：https://bbs.pinggu.org/thread-73853-1-1.html

协整是变量之间的长期均衡关系

格兰杰因果检验是变量之间的因果关系

如果非平稳的两个时间变量之间是协整的，那么至少存在一个方向上的格兰杰因果关系

只有六楼 linger1213 说的勉强对，(格兰杰因果只是强调预测)

七楼的转贴，更是乱七八糟，格兰杰因果检验根本不等同外生性检验。
两变量若只有单边格兰杰因果，也不意味有任一变量是外生变量。

拜托其他人能不能自己念点书先。

[此贴子已经被作者于2009-4-24 13:08:25编辑过]