[悬赏]Granger检验的滞后阶数怎么确定？？

原贴：http://www.pinggu.org/bbs/viewthread.php?tid=745939&page=1&from^^uid=1348370
Granger检验的滞后阶数怎么确定？？

方程为：


Xt=c1+α1Xt-1+α2Xt-2+....+αmXt-m+β1Yt-1+β2Yt-2+....+βnYt-n+ε1t
Yt=c2+γ1Yt-1+γ2Yt-2+....+γmYt-m+δ1Xt-1+δ2Xt-2+....+δnXt-n+ε2t
当检验Yt是否是Xt的Granger原因时，原假设为βi=0,m和n是滞后阶数,请问m和n怎么确定?
不同的值会有不同的结果,说得具体一点,我是新手,
谢谢各位大侠
好像有AIC、BIC准则,有没哪位大侠知道这个具体怎么怎么做？
请多指教，谢谢！
有Rats程序的话可加币！

Granger因果检验前进行VAR（向量自回归），根据 Akaike AIC、Schwarz SC来选择最优阶数，该阶数即为滞后阶数。另外，Granger因果检验模型中，n=m，即为滞后阶数。
如果原假设成立，自变量的滞后值对因变量没有预测力，即自变量不是因变量的格兰杰原因。

有一种方法叫做Box-Jenkins Approach
就是，你在模型中逐渐增加Lags，until the coefficient is not significant.
比如，你先加入一个lag 也就是
Xt=c1+α1Xt-1
Yt=c2+γ1Yt-1
然后看α1， γ1 是否significant， 然后如果是，那么扩展模型到 ：
Xt=c1+α1Xt-1+α2Xt-2
Yt=c2+γ1Yt-1+γ2Yt-2
这样反复，一直到
Xt=c1+α1Xt-1+α2Xt-2+....+αmXt-m+β1Yt-1+β2Yt-2+....+βnYt-n+ε1t
Yt=c2+γ1Yt-1+γ2Yt-2+....+γmYt-m+δ1Xt-1+δ2Xt-2+....+δnXt-n+ε2t
直到系数不再显著为止。

声明： 我不是高手。。我只是把我知道的说出来，如有错误，请大家帮忙校正^^

谢谢楼上的回答，大概知道了
如果没其他人回答就给你了
有没人知道AIC、BIC怎么做的？

建议楼主借一本有关时间序列分析的书来看看，要不然，你即使做出来，解释可能也不对。

4楼的解释的很清楚，不过我怎么在有的书上和一些论文中看到都是两个阶数，若是m=n，用一个字母来表示就可以了，为什么用两个不同的字母，难道他们都搞错了？
另外，5楼说的也有道理，时间序列的书我也有，不过讲Granger检验的好像都不怎么详尽，能推荐一本这个讲得好的吗？
两天内没更好的答案就给四楼吧

AIC、BIC
这两个只是判断估计结果好坏的两个不同的根据。
AIC: Akaike Information Criterion
BIC: Bayesian Information Criterion

建议楼主去查这两个，可以在Wiki上查到 链接：
http://en.wikipedia.org/wiki/Akaike_information_criterion
http://en.wikipedia.org/wiki/Bayesian_information_criterion

Akaike's information criterion, developed by Hirotsugu Akaike under the name of "an information criterion" (AIC) in 1971 and proposed in Akaike (1974) [1] , is a measure of the goodness of fit of an estimated statistical model. It is grounded in the concept of entropy, in effect offering a relative measure of the information lost when a given model is used to describe reality and can be said to describe the tradeoff between bias and variance in model construction, or loosely speaking that of precision and complexity of the model.

The AIC is not a test of the model in the sense of hypothesis testing, rather it is a test between models - a tool for model selection. Given a data set, several competing models may be ranked according to their AIC, with the one having the lowest AIC being the best. From the AIC value one may infer that e.g. the top three models are in a tie and the rest are far worse, but it would be arbitrary to assign a value above which a given model is 'rejected'
BIC跟AIC也差不多~ 也就是说~ 你在最终的剩下的可能的几个模型中进行选择的时候你看一下各个模型的AIC和BIC指数，哪个更低就选择那个模型

可以看看
潘红宇.时间序列分析[D].北京：对外经济贸易大学出版社，2006年

THANK YOU!

6# baiygggg

可以看下我的帖子：http://www.pinggu.org/bbs/thread-955796-1-1.html