单位根检验、协整、格兰杰因果检验有什么关系？

以下是引用whl1211china在2008-7-24 23:55:00的发言：
为什么只是数据上的因果关系呢！不代表实际，那做出来还有什么意义呢！

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

其实格兰杰并不非要求数据协整，ECM要求协整。格兰杰只要同价平稳就行了

大家讲得都不错哦～～

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

谢谢[em01][em01]

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]

楼主，书看的不认真吧？

(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。