请教一个格栏杰因果关系方面的问题

两个定义上本来就不同的东西,

楼主没有必要非把它们扭在一起啊,看得我心头紧

两个定义上本来就不同的东西

我支持！两个定义是完全不同的，主要有以下几点：

首先，Granger影响关系一般考虑双变量，可以是相同的I(0)、I(1)或更高阶单整序列。而协整对变量的个数约束不限制，如Johansen协整检验可以考虑n个变量，只须作秩检验就可以。

其次，Granger影响关系可以引入到协整分析中。在长期均衡方程估计之后，即确定了变量之间的长期均衡关系，然后继续考查变量差分与协整误差项和变量差分滞后的关系(如从误差修正模型)，从而我们可以考虑各种变量短期的均衡影响关系。

最后，Granger影响关系是考虑变量之间的关联性，而协整则是检验长期均衡是否成立。

列位对古扎拉蒂的书比较感兴趣，但本人认为此书遗漏太多，建议多参阅Hamilton的书！

以下是引用jluztg在2006-3-12 19:27:00的发言：

两个定义上本来就不同的东西

我支持！两个定义是完全不同的，主要有以下几点：

首先，Granger影响关系一般考虑双变量，可以是相同的I(0)、I(1)或更高阶单整序列。而协整对变量的个数约束不限制，如Johansen协整检验可以考虑n个变量，只须作秩检验就可以。

其次，Granger影响关系可以引入到协整分析中。在长期均衡方程估计之后，即确定了变量之间的长期均衡关系，然后继续考查变量差分与协整误差项和变量差分滞后的关系(如从误差修正模型)，从而我们可以考虑各种变量短期的均衡影响关系。

最后，Granger影响关系是考虑变量之间的关联性，而协整则是检验长期均衡是否成立。

列位对古扎拉蒂的书比较感兴趣，但本人认为此书遗漏太多，建议多参阅Hamilton的书！

首先，Granger Causality 不能是 多变量吗？！ 不知道你有没有听过 Block Exogeneity test，？！

其次，为什麽要先确认"变量之间的长期均衡关系"，然後才可以 "从而我们可以考虑各种变量短期的均衡影响关系"

而这边的你所谓的 "各种变量短期的均衡影响关系"指的是什麽， Granger Causality吗？

最後，什麽是你所谓的"虑变量之间的关联性"？ 你的"长期均衡"有没有这种关联性？

最最後， 我到觉得您应该回头把古扎拉蒂的书多读几遍，没事看什麽Hamilton，练身体吗？

以下是引用asdfgh在2006-3-12 10:25:00的发言：
按照书上的说法，格栏杰因果关系只是说一个变量有助于“预测”另一个变量，而非真实的因果关系。那么，具有协整关系（长期稳定的均衡关系）的两个变量就应该具有“预测”意义上的格栏杰因果关系。我的问题是：为什么有时“不具有”呢？

首先，按你自己所描述的状况，古扎拉蒂的书应该满足你的需求；你要的答案，你自己已经从古扎拉蒂的书中找到了答案，虽然不太精准，但是有碰触到问题的重心；"格栏杰因果关系检验对于确定弱外生性是没用的，对于确定强外生性是必要的但不是充分的"。

其次，我也已经提供你个关键点，"weakly exogenous"，这同你自古扎拉蒂的书理解的，相辅相成，你应该往这个方向去思考，不要被拉走，误入歧途。

最後，看计量的教科书，特别是时间序列部分，要特别仔细，因为涉及到 "过去、现在、未来"，譬如你自己又从古扎拉蒂的书中得到的： ".......一个变量有助于“预测”另一个变量......."，这是提供你的第二个关键点。

[此贴子已经被作者于2006-3-12 23:31:23编辑过]

以下是引用statax在2006-3-12 1:10:00的发言：

协整当然不必有格兰杰因果关系吧,

双变量协整的EG两步法, y=a+b*x+u

只要求u hat平稳.

而格栏杰因果是加入滞后的Wald检验是否显著,

从这两个定义看,

协整是格兰杰因果的必要条件, 但不是充分条件

协整说明了回归不是superious的

而格兰杰因果则说明Wald 检验是显著的

比如

假设y为I(1),x也为I(1), 那么 u可能是I(0),

但y 和 x 可能没有任何关系(互相独立)

那么它们是协整的

那么可以说它们有因果关系吗? 当然不能啦

所以, 楼主考虑最好应该从定义出发

个人看法, 不一定对

[em01][em01]

[em10][em10]

你的论述，在 "比如" 之前 具有讨论与修正空间； "比如" 之後则具有进步空间。

楼上的各位朋友对我的问题从各个角度进行了解答和探讨，对我很有帮助，谢了。有的朋友被我的问题弄的“心头紧”，抱歉了。

我的问题的来源是这样的：有次讨论中，某A的研究发现：1998年—2004年中国服务贸易与中国服务业具有协整关系，即具有长期稳定的均衡关系；但格栏杰因果关系检验发现它们没有格栏杰因果关系，说明中国服务贸易与中国服务业发展之间相互影响不显著。某B提出：两者具有长期稳定的均衡关系，又相互影响不显著，这不矛盾吗？—————于是，我的问题就出来了：具有协整关系的两个变量是否一定具有格栏杰因果关系，如果不一定，为什么？

以上朋友们的讨论显然对我帮助很大。这几天我一直在找原因（即具有协整关系但格栏杰因果关系不显著的原因），思考出如下几个方面，希望各位朋友帮我进一步验证、考虑考虑：

1、 如果两个时间序列的数值差距很大时（比如一个序列是从1开始，另一个序列从1000开始），是不是会协整但不因果？（本人水平有限，实验了几次没成功，望朋友帮助验证）

2、 协整关系是长期关系，而因果关系是短期关系（因果关系检验时的滞后期常常是1、2、3），所以两个有可能不一致？或者说与滞后期的选择有关？（在我能看懂的书里，只说因果关系与滞后期有关，但没有说为什么，通俗地说为什么与滞后期有关？）

3、 作用方向变动导致作用抵销：最近看了《统计研究》2003年第8期一篇文章“我国货币政策作用机制的阶段性与货币—产出之间影响关系检验”，说“由于ＧＤＰ增长率和货币供给增长率具有相同的单整阶数,我们可以在简化式ＶＡＲ模型中检验货币变量与实际产出之间的Ｇｒａｎｇｅｒ影响。”检验发现：“首先,在整个样本区间上,货币供给增长率同产出增长率之间没有显著的单向影响,这是由于货币政策发生了方向性的改变,导致其影响作用出现了抵消和中和,从而出现了综合作用微弱的结果;其次,在不同的样本区间内,货币政策的作用方式出现了显著变化。在1990:01～1993:06期间,实际产出对于Ｍ0增长率具有显著的反馈影响,这说明这个期间的货币供给对于实际需求扩张产生了明显反应,是一种实际需求扩张带动名义需求扩张的过程:在1993:07～1996:05期间,无论是Ｍ0还是Ｍ1度量的货币供给,都对实际ＧＤＰ增长率具有显著的滞后影响,这说明这个期间的名义需求扩张带动了实际供给的增加,此间的实际ＧＤＰ增长具有名义需求驱动的特点,因此伴随着一定程度的通货膨胀现象。”——也就是说：总体上没有显著的因果关系，分段看具有显著的因果关系。

以上几点本人只是“感觉”有道理，水平有限，不能确定，盼望朋友们的帮助。

以下是引用asdfgh在2006-3-13 10:07:00的发言：

我的问题的来源是这样的：有次讨论中，某A的研究发现：1998年—2004年中国服务贸易与中国服务业具有协整关系，即具有长期稳定的均衡关系；但格栏杰因果关系检验发现它们没有格栏杰因果关系，说明中国服务贸易与中国服务业发展之间相互影响不显著。某B提出：两者具有长期稳定的均衡关系，又相互影响不显著，这不矛盾吗？—————于是，我的问题就出来了：具有协整关系的两个变量是否一定具有格栏杰因果关系，如果不一定，为什么？

我觉得楼主之所以这样问的原因, 就是某B提出:两者具有长期稳定的均衡关系，又相互影响不显著，这不矛盾吗？难道楼主就是某B?

协整导至的两变量长期稳定的关系是用 ECM的来描述的吧, 楼主可能会想, 即然偏离长期均衡的冲击, 会被一个带有"回复力"性质的ECM拉回来, 以达到长期稳定, 那就, 这种误差纠正的回复力是否就是说明了两变量之间有因果关系? 楼主是不是这样想的?

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.

个人意见, 仅供参考

以下是引用gemini69在2006-3-12 23:41:00的发言：

你的论述，在 "比如" 之前 具有讨论与修正空间； "比如" 之後则具有进步空间。

geminin69 说的有深一层涵意义吧, 我初学计量,认识是不深的, geminin69 有见解可以直说, 让晚辈也受益一下.

[em10][em10]

[em01][em01]

以下是引用asdfgh在2006-3-13 10:07:00的发言：

1、 如果两个时间序列的数值差距很大时（比如一个序列是从1开始，另一个序列从1000开始），是不是会协整但不因果?

序列一般都是I(1)的, 所以我们一般情况下会先取对数变换, 然后再取了阶差分.

对数变换再加上一阶差分, 得出来的数据实际上就是增长率, 那么原水平的数值差别不是一个问题.

[em01][em01]

[em10][em10]

以下是引用statax在2006-3-13 12:52:00的发言：

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.

个人意见, 仅供参考

statax先生比喻的太好了！佩服，佩服！！！！