请高人帮忙看一下格兰杰因果检验的结果

11614

收藏 2009-12-18

我做的是两个一阶单整序列的johansen检验已经通过，具有协整关系，之后做了格兰杰因果检验，请大家帮忙看一下结果。请大家帮忙看看，那个最好，谁对谁的影响更大？
Pairwise Granger Causality Tests
Date: 12/18/09 Time: 10:58
Sample: 2000M01 2009M08
Lags: 1

Null Hypothesis: Obs F-Statistic Prob.

DCPI does not Granger Cause DPORKINDEX  114  7.53027 0.0071
DPORKINDEX does not Granger Cause DCPI 10.9610 0.0013
Pairwise Granger Causality Tests
Date: 12/18/09 Time: 10:58
Sample: 2000M01 2009M08
Lags: 2

Null Hypothesis: Obs F-Statistic Prob.

DCPI does not Granger Cause DPORKINDEX  113  1.89170 0.1558
DPORKINDEX does not Granger Cause DCPI 5.34691 0.0061

Pairwise Granger Causality Tests
Date: 12/18/09 Time: 10:59
Sample: 2000M01 2009M08
Lags: 5

Null Hypothesis: Obs F-Statistic Prob.

DCPI does not Granger Cause DPORKINDEX  110  1.39076 0.2343
DPORKINDEX does not Granger Cause DCPI 2.82353 0.0200

Pairwise Granger Causality Tests
Date: 12/18/09 Time: 10:59
Sample: 2000M01 2009M08
Lags: 9

Null Hypothesis: Obs F-Statistic Prob.

DCPI does not Granger Cause DPORKINDEX  106  1.79036 0.0814
DPORKINDEX does not Granger Cause DCPI 2.54266 0.0122

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

acjlhong

2009-12-18 11:25:13

1）一般而言，短期Granger非因果关系检验的判断标准应该依据卡方统计量，而不是F统计量。
2）如果卡方统计量与F统计量的结果一致，上述检验的结果都说明猪肉指数是CPI的单向Granger原因。但请注意这一因果关系方向是短期的。
3）从您反复尝试变换滞后期的做法猜测，您的检验并非基于VECM，而是取差分后进行。尽管有很多文献都如此处理，但这样做不太妥当，会损失很多有价值的信息。强烈建议在误差修正模型的基础上进行Granger检验。

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

shijianping

2009-12-18 12:09:37

恩，基本赞同2楼的观点，可以基本认定DPORKINDEX是DCPI的Granger原因，因为这对关系对滞后期不敏感，比较稳定，因而比较可信。

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

ssazzrrt

2009-12-18 14:23:15

非常感谢，明白了不少。我的检验确实是基于一阶差分序列作的。因为不知道滞后期，所以就做了很多次，然后看结果。之前看过一些文章说，要先通过var模型确定滞后期，然后再用这个滞后期作格兰杰因果检验。还想请问高手，是这样的么？还想请问您，怎么看出这个单项的因果关系是短期的呢？短期的 2# acjlhong

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

ssazzrrt

2009-12-18 14:23:57

非常感谢，明白了不少。我的检验确实是基于一阶差分序列作的。因为不知道滞后期，所以就做了很多次，然后看结果。之前看过一些文章说，要先通过var模型确定滞后期，然后再用这个滞后期作格兰杰因果检验。还想请问高手，是这样的么？还想请问您，怎么看出这个单项的因果关系是短期的呢？

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

acjlhong

2009-12-18 14:41:10

ssazzrrt 发表于 2009-12-18 14:23
非常感谢，明白了不少。我的检验确实是基于一阶差分序列作的。因为不知道滞后期，所以就做了很多次，然后看结果。之前看过一些文章说，要先通过var模型确定滞后期，然后再用这个滞后期作格兰杰因果检验。还想请问高手，是这样的么？还想请问您，怎么看出这个单项的因果关系是短期的呢？

是的，标准做法应该先建立无约束VAR，根据各种最小信息准则判断VAR的最优滞后期p，再用(1，p-1)作为协整关系检验以及误差修正模型的最优滞后区间。
估计误差修正模型之后，在"view——lag structure"下拉菜单里有granger causality/block exogeneity 的检验功能，进行短期Granger非因果关系检验。这种检验方法也是短期Granger非因果关系检验。

至于为何检验的结果是短期的，可以从两个方面理解：
一、VECM的误差修正项反映了长期均衡的协整关系，无论是取差分还是上述基于VECM的检验，都并未对误差修正项系数进行检验，也就是忽略了长期均衡的协整关系，因此其检验结果是短期的；
二、对差分滞后项关系进行的检验考察的是“dY/dX”的行为特征，分析的内容实际上是一阶导数或一阶偏导；而一阶导数反映的问题是“如果其他条件不变，X变动对Y的边际影响”，其中“其他条件不变”的假设就已经说明分析是短期而非长期的。更进一步地，可以想象，长期Granger非因果关系需要在“其他条件可变”的条件下进行检验，也就是至少要将反映长期均衡协整关系的误差修正项纳入到检验当中。
上述两点是我的理解，在书上可能找不到。如有谬误，欢迎各位老师同学指正。

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…

ssazzrrt

2009-12-18 15:47:51

acjlhong 发表于 2009-12-18 14:41
ssazzrrt 发表于 2009-12-18 14:23
非常感谢，明白了不少。我的检验确实是基于一阶差分序列作的。因为不知道滞后期，所以就做了很多次，然后看结果。之前看过一些文章说，要先通过var模型确定滞后期，然后再用这个滞后期作格兰杰因果检验。还想请问高手，是这样的么？还想请问您，怎么看出这个单项的因果关系是短期的呢？
是的，标准做法应该先建立无约束VAR，根据各种最小信息准则判断VAR的最优滞后期p，再用(1，p-1)作为协整关系检验以及误差修正模型的最优滞后区间。
估计误差修正模型之后，在"view——lag structure"下拉菜单里有granger causality/block exogeneity 的检验功能，进行短期Granger非因果关系检验。这种检验方法也是短期Granger非因果关系检验。

至于为何检验的结果是短期的，可以从两个方面理解：
一、VECM的误差修正项反映了长期均衡的协整关系，无论是取差分还是上述基于VECM的检验，都并未对误差修正项系数进行检验，也就是忽略了长期均衡的协整关系，因此其检验结果是短期的；
二、对差分滞后项关系进行的检验考察的是“dY/dX”的行为特征，分析的内容实际上是一阶导数或一阶偏导；而一阶导数反映的问题是“如果其他条件不变，X变动对Y的边际影响”，其中“其他条件不变”的假设就已经说明分析是短期而非长期的。更进一步地，可以想象，长期Granger非因果关系需要在“其他条件可变”的条件下进行检验，也就是至少要将反映长期均衡协整关系的误差修正项纳入到检验当中。
上述两点是我的理解，在书上可能找不到。如有谬误，欢迎各位老师同学指正。

您好，我下午按照您说的，按照易的书中的2个公式作了误差修正模型，请您帮忙看看，还是不明白结果阿。难道还要验证这两个模型是不是等价的？一头雾水阿。。。。
公式1：ls dcpi c dporkindex emc

Dependent Variable: DCPI
Method: Least Squares
Date: 12/18/09 Time: 15:42
Sample (adjusted): 2000M02 2009M08
Included observations: 115 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 0.000605 0.000852 0.710463 0.4789
DPORKINDEX 0.038882 0.013114 2.965015 0.0037
EMC 0.065150 0.048326 1.348140 0.1803

R-squared 0.072842    Mean dependent var  0.000876
Adjusted R-squared 0.056285    S.D. dependent var  0.009348
S.E. of regression 0.009081    Akaike info criterion  -6.539433
Sum squared resid 0.009237    Schwarz criterion  -6.467826
Log likelihood 379.0174    Hannan-Quinn criter.  -6.510368
F-statistic 4.399609    Durbin-Watson stat  1.851565
Prob(F-statistic) 0.014475

公式2：ls adcpi c adcpi(-1) porkindex porkindex(-1)
Dependent Variable: ADCPI
Method: Least Squares
Date: 12/18/09 Time: 15:46
Sample (adjusted): 2000M02 2009M08
Included observations: 115 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 0.162437 0.040133 4.047468 0.0001
ADCPI(-1) 0.824916 0.042466 19.42512 0.0000
PORKINDEX 0.020097 0.011530 1.743071 0.0841
PORKINDEX(-1) -0.004399 0.012756 -0.344841 0.7309

R-squared 0.955981    Mean dependent var  1.047785
Adjusted R-squared 0.954791    S.D. dependent var  0.039976
S.E. of regression 0.008500    Akaike info criterion  -6.663360
Sum squared resid 0.008020    Schwarz criterion  -6.567884
Log likelihood 387.1432    Hannan-Quinn criter.  -6.624607
F-statistic 803.5440    Durbin-Watson stat  1.897138
Prob(F-statistic) 0.000000

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

ssazzrrt

2009-12-18 15:58:12

acjlhong 发表于 2009-12-18 14:41
ssazzrrt 发表于 2009-12-18 14:23
非常感谢，明白了不少。我的检验确实是基于一阶差分序列作的。因为不知道滞后期，所以就做了很多次，然后看结果。之前看过一些文章说，要先通过var模型确定滞后期，然后再用这个滞后期作格兰杰因果检验。还想请问高手，是这样的么？还想请问您，怎么看出这个单项的因果关系是短期的呢？
是的，标准做法应该先建立无约束VAR，根据各种最小信息准则判断VAR的最优滞后期p，再用(1，p-1)作为协整关系检验以及误差修正模型的最优滞后区间。
估计误差修正模型之后，在"view——lag structure"下拉菜单里有granger causality/block exogeneity 的检验功能，进行短期Granger非因果关系检验。这种检验方法也是短期Granger非因果关系检验。

我还想问您，假如我想做从出长期来讲，猪肉指数对cpi影响小或者没用，而短期猪肉指数对其有一定影响，应该如何操作呢，就是区分长短期因果关系。
本文来自: 人大经济论坛详细出处参考：http://www.pinggu.org/bbs/viewthread.php?tid=654219&page=1&from^^uid=619222

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

acjlhong

2009-12-19 06:38:53

ssazzrrt 发表于 2009-12-18 15:58
acjlhong 发表于 2009-12-18 14:41
ssazzrrt 发表于 2009-12-18 14:23
非常感谢，明白了不少。我的检验确实是基于一阶差分序列作的。因为不知道滞后期，所以就做了很多次，然后看结果。之前看过一些文章说，要先通过var模型确定滞后期，然后再用这个滞后期作格兰杰因果检验。还想请问高手，是这样的么？还想请问您，怎么看出这个单项的因果关系是短期的呢？
是的，标准做法应该先建立无约束VAR，根据各种最小信息准则判断VAR的最优滞后期p，再用(1，p-1)作为协整关系检验以及误差修正模型的最优滞后区间。
估计误差修正模型之后，在"view——lag structure"下拉菜单里有granger causality/block exogeneity 的检验功能，进行短期Granger非因果关系检验。这种检验方法也是短期Granger非因果关系检验。

我还想问您，假如我想做从出长期来讲，猪肉指数对cpi影响小或者没用，而短期猪肉指数对其有一定影响，应该如何操作呢，就是区分长短期因果关系。
本文来自: 人大经济论坛详细出处参考：http://www.pinggu.org/bbs/viewthread.php?tid=654219&page=1&from^^uid=619222
再楼上的第二个检验有问题。Eviews的傻瓜Granger检验本身就是基于VAR模型，加入了差分滞后项，只不过在表面上看不到而已。因此，写入变量时如果包括滞后项，Eviews会再一次地将其差分滞后，意义就比较古怪了。例如：
由y和x构成，不包括附加项的最简单的双变量模型 y x
如果最优滞后区间为（1，2），存在协整关系，最优协整形式不包括附加项，则其误差修正模型为
d(y(t))=c(1)* ECM(t-1) +c(2)*d(y(t-1)) +c(3)*d(y(t-2)) +c(4)*d(x(t-1)) +c(5)*d(x(t-2))
假如您已经估计出这个误差修正模型的参数c(1)到c(5)，并利用傻瓜功能进行短期Granger非因果关系检验，软件在后台是怎样估计的呢？
第一步：它对c(4)=c(5)=0的约束进行Wald检验，考察自变量x的两期差分滞后项是否有助于提高对d(y(t))的解释能力，即d(x)是否是d(y)的Granger原因。
第二步：改变自变量和因变量的位置，将误差修正模型变为d(x(t))=c(1)* ECM(t-1) +c(2)*d(y(t-1)) +c(3)*d(y(t-2)) +c(4)*d(x(t-1)) +c(5)*d(x(t-2))，然后对c(2)=c(3)=0进行Wald检验，考察d(y)是否是d(x)的Granger原因。
第三步：提供报表。请注意，第一步和第二步过程您是看不到的。

至于长期检验的问题，请参阅“石油价格冲击、内生技术进步与日本经济增长[J].现代日本经济，2009，(1)”，根据里面的方法自行体会，悟性好的人肯定能理解。Eviews就能实现，其他软件通过编程也能实现。
具体如何操作恕不能奉告——掌握长期检验方法的人很少，似乎所有的书上都没有明确写出来，因为会的人还要留一手靠它混饭吃呢（对不起，我说的太露骨了）。