granger因果检验 granger因果检验滞后阶数

紧急求助，关于基于VECM模型的Granger因果检验

Augmented Dickey-Fuller test statisti可见，在各水平上y都是平稳的。因此，可以把原序列y看做一阶单整。c -3.820038 0.0213

基于VAR的grangercausality检验，是在非平稳变量不协整的情况下才那么做的。正常的用VECM来granger检验，以免出现偏。VECM做法是estimateVAR/选VECM项，lag为VAR的-1，确定后出来列表，cointegratingEq是短期的关系

granger因果检验 granger因果检验滞后阶数

谁帮我用eviews对以下数据做下ADF检验 协整检验和格兰杰因果检验

步：根据你的模型估计参数（这里可能用ols也可能用其他的模型估计方法）

（一）、ADF是单位根检验，列数据y做ADF检验，结果如下

4、比较下P和F值，判断下是否拒绝原假设，然后得出结论。

Null Hypothesis: Y has a unit root

Lag Length: 0 (Automatic based on SIC, MAXLAG=10)

t-Statistic Prob.

5% ll -3.477275

在1%水平上拒绝原假设，序列y存在单位根，为不平稳序列。但在5%、10%水平上均接受原假设，认为y平稳。

Null Hypothesis: Y has a unit root

Exogenous: None

Lag Length: 0 (Automatic based on SIC, MAXLAG=10)

Augmented Dickey-Fuller test statistic -9.328245 0.0000

5% ll -1.945745

10% ll -1.613633

第二列xADF检验如下：

Null Hypothesis: X has a unit root

Lag Length: 0 (Automatic based on SIC, MAXLAG=10)

t-Statistic Prob.

Augmented Dickey-Fuller test statistic -3.216737 0.0898

5% ll -3.477275

在1%、5%水平上拒绝原假设，序列x存在单位根，为不平稳序列。但在10%水平上均接受原假设，认为x是平稳的。

Null Hypothesis: X has a unit root

Exogenous: None

Lag Length: 0 (Automatic based on SIC, MAXLAG=10)

Augmented Dickey-Fuller test statistic -7.627041 0.0000

5% ll -1.945745

10% ll -1.613633

可见，在各水平上x都是平稳的。因此，可以把原序列x看做一阶单整。

（二）、只有一阶单整的序列才可以进行协整检验：

利用engle和granger提出的两步检验法：

首先建立模型：y=ax+c+e，结果为Y = 0.720902361403X + 788.046309221

再对方程的残进行ADF检验：

Null Hypothesis: E has a unit root

Exogenous: None

Lag Length: 0 (Automatic based on SIC, MAXLAG=10)

Augmented Dickey-Fuller test statistic -4.093534 0.0001

Test critical values: 1% ll -2.599413

从检验结果可以看出残序列是平稳的，因此x和y之间存在协整关系。

（三）、granger因果检验：

Pairwise Granger Causality Tests

Date: 03/13/11 Time: 14:15

Lags: 2

Null Hypothesis: Obs F-Statistic Prob.

Y does not Granger Cause X 67 1.11304 0.3350

X does not Granger Cause Y 5.72061 0.0052

从结果可知拒绝y不能granger x的假设，即y granger引起x；但是不能拒绝x不能g引起y，即接受x不能granger引起y。

格兰杰因果检验具体过程

也就是说 10%的显著水平上 你可以拒绝原假设 即L2是L1的格兰杰因

先来看一下序列X是否平稳

Null Hypo对y进行一阶分，分后进行ADF检验：thesis: X has a unit root

Exogenous: None

t-Statistic Prob.

Augmented Dickey-Fuller test statistic 9.533462 1.0000

Test critical values: 1% ll -2.792154

5% ll -1.977738

10% ll -1.602074

原假设是存在单位根，序列是不平稳的。看是我们看ADF统计量值9.53，比10%水平下的值都要大，所以是接受原假设的，所以序列X是不平稳的。

再来看序列Y

t-Statistic Prob.

Augmented Dickey-Fuller test statistic 3.826736 0.9990

Test critical values: 1% ll -2.847

5% ll -1.988198

10% ll -1.600140

同X一样，序列Y也是非平稳的。

协整检验就有点麻烦，先要对X和Y做分，我这里是做了二阶分才发现X，Y是平稳的，二阶分后的序列定义为iix和iiy

对x和y序列做普通最小二乘回归

ls y c x

然后对残序列做单位根检验

Null Hypothesis: E has a unit root

Exogenous: None

t-Statistic Prob.

Augmented Dickey-Fuller test statistic -1.236694 0.1853

Test critical values: 1% ll -2.792154

5% ll -1.977738

10% ll -1.602074

可以看出，检验统计量-1.24大于10%水平下的-1.6，可以认为残序列为非平稳序列，所以x和y不具有协整关系。

来看格兰杰因果检验

Pairwise Granger Causalit

格兰杰因果检验和向量自回归（VAR）模型问题 急急！！

5% ll -1.945669

逻辑思路好像有问题。

VAR模型建立之后，再用granger 因果部分检验其合理性C 6016.624 3471.361 1.733218 0.1581。

对于VAR模型，一般不选择外生变量。因为外生、内生很难界定（sims的观点）。当然若确实有理论基础或数据不够长时，也可采用外生变量，这时可以参考granger因果关系的结果。

用eviews做出的格林杰因果检验结果，怎样分析结论

Sample: 1 69

结果行：看prob如果概率小于0.05,就认为,在95%下x是y的原因； 第二行同理, 如果prob小于Exogenous: Constant, Linear Trend0.05,就认为y是x的原因.主要看P值。 但是GRANGER因果检验一般都是以变量相互不具有因果关系为原假设的，这样的原假设下，P值小于0.05就说明具有因果关系。

eviews 格兰杰因果检验

对A:

以组结果为例

原假设 L2不是L1的格兰杰因 时间上的先导性

有效观察样本 128组

F检验的统计值是2.96

显著值.0877

但是在5%的显著水平上 你无法拒绝原假设 L2不是L1的格兰杰因

同理 L1在10%, 5%, 1%的显著水平上都是L2的格兰t-Statistic Prob.杰因~

可以代做的，英文你熟悉的话，应该能看懂结果的大致意思

kan di yi hang ,L2bu shi dao zhi L1de granger yuan yin ,zhe shi yuan jia she ,zai kan hou mian de p jian yan ,xiao yu 0.5,shuo ming luo zai ju jue yu li mian ,jiu shi ju jue yuan jia she ,shuoming L2 shi L1 de granger yuan yin ,ni zai dui zhao zhe shu kan kan jian yan guo cheng ,wo hen jiu dou mei you zuo zhe fang mian le ,dan shi da gai si lu jiu shi zhe yang de

对中的数据怎么用eviews进行granger因果分析

Stata好像还没有出具体的包裹针对panle data做格兰杰检验，这个检验本来是针对time series。

做granger因果，首先要注意序列是否平稳，一般要先做ADF检验，结果如果平稳可以继续G检验；若不平稳要对同阶单整进行协整检验，如果有协整关系同样可以G检验。否则做出来有可能会是伪回归。

打开序列，View-unit root test，选择分阶次以及而VAR模型的建立（即滞后阶数的选取），不是依据granger因果关系是否成立的。模型，点击ok。若p小于alpha，则无单位根

分两步走：

第二步：对步估计得到模型的残做单位根检验，若无单位根则说明满足协整关系

3.格兰杰因果检验

以group的形式打开两个序列，View-granger causality，选择分阶次，点击ok。若p小于alpha，则是因果关系。

如果仅仅说做Granger这一步的话：

1、假定你的工作文件已经建立，首先打开时间序列数据组窗口。

2、点击view键，选择Granger Causality功能。

如何用STATA做panel data的格兰杰因果检验

但是理论倒是出了，请参见： Christophe Hin and Baptiste Venet：Granger Causality Tests in Panel Data Models with Fixed Coefficients

另外，Stata里Kit Baum给了一些不完整的答复：

Q: granger x y,lag(2) Howr, I receive an error message saying

"repeated time values in sample". Therefore, I had to collapse the data

to achi 1 observation for each year. Is there any way that I can

utilize my whole data to do causality test?

Sarah

A: Please see my recent ts on the use of DW statistic in paDate: 05/26/09 Time: 12:19nel. This

regression. One can run it separay for each unit of the panel, bTest critical values: 1% ll -4.098741ut

how should you combine the results? Average the test statistics over

unit, like some panel unit root tests? To test for causality using an

entire panel, you must he a statistic that is designed for panel data.

Kit

所以，你对每个unit做格兰杰检验： webuse grunfeld gcause2 invest mvalue if company==4, lag(4) 对其他的company再做一遍，erage。

eviews 怎么进行平稳性检验，协整检验，还有GRANGER因果检验，作步骤？SPSS的可以么？

应用时间序列分析么？

首先先做一个时序图，得出你这个序列他是不平稳的，同时，自相关和偏相关检验，可以看到有拖尾现象，直观判断数据不平稳，有着严重的自相关性。因此建立模型之前，必须对序列进行平稳化处理。一般，我们用分法来消除序列的趋势。一阶分可以消除线性趋势，二阶分则可以消除二次曲线趋势。

先做一阶分，在eviews里面的作：假设你要产生一阶分的序列为x，且已经把序列x的数据导入eviews

在命令区键入：“series dx=d(x)” 再按回车键，eviews自然就帮你生成一个新的“dx”序列，即为一阶分序列；二阶分同样作，“series d2x=d（dx）”

为进一步检验原始数列是否平稳，需对原始数据进Log likelihood -40.17579 F-statistic 3.036155行ADF检验。

然后那些3、随即打开一个对话框，需要选择滞后长度，然后点击ok键，就得到检验结果。个检验似乎要放到模型里才可以检验吧。AR，MA或者ARMA。一般我们用ARMA