SAS中GRANGER检验，序列是否必须平稳化

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

帮助文件中找到一个相关程序

proc varmax data=use;

id date interval=qtr align=E;

model y1-y3 / p=2 dify=(1)

print=(decompose(6) impulse=(stderr))

printform=both lagmax=3;

causal group1=(y1) group2=(y2 y3);

output lead=5;

run;

我想问一下，casual语句前的model是否要指定变量序列差分阶数，以保证平稳后的变量序列进入运算，不经平稳处理计算结果应该就错了吧

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

分享0 收藏0 回帖

关键词：Granger Grange range Anger GER granger因果检验

还是看数据的吧。如果只是收益率数据的话，就不用了。
如果是价格序列的话，必须要进行平稳化后在格兰杰因果检验

先谢谢啊！
我的数据一个是河南FDI数据，一个是GDP的二、三产业比重，想考察的是FDI是否是结构升级的原因。我都把它们平稳化算了，结果应该没问题吧。另外有资料说，格兰杰因果检验的前提条件是非平稳序列的线性组合必须具备协整性，是吗，那如何实现呢？

能不平稳化最好不平稳化，因为如果将变量差分处理以后，会导致经济意义难以解释，或者缺乏经济意义。
如果说你的这些数据的线性组合具有协整性的话，可以直接进行格兰杰因果检验，无需平稳化。
简而言之，你回归以后看看你的残差是不是平稳的，是的话，就没有问题。

太谢谢了，我试一下啊，真是好人呐

我按您说的又走了一遍，发现减去头5年后数据出现协整关系，可能是这几年河南FDI波动太大所致。但GROUP1->GROUP2的 Pr > ChiSq值只有0.0002，请问那么这个因果关系成立嘛？详细输出如下，你看看FDI和S23存在协整关系，并互为因果的结论成立嘛


                                 Test 1:  Group 1 Variables:  L_FDI
                                          Group 2 Variables:  L_s23


                                 Test 2:  Group 1 Variables:  L_s23
                                          Group 2 Variables:  L_FDI


                                Cointegration Rank Test Using Trace

                                                           5%
         H0:       H1:                                  Critical     Drift        Drift in
       Rank=r    Rank>r    Eigenvalue         Trace       Value      in ECM       Process

            0         0        0.7650       27.6699         15.34    Constant     Linear
            1         1        0.0082        0.1565          3.84


                       Cointegration Rank Test Using Trace Under Restriction

                                                           5%
         H0:       H1:                                  Critical     Drift        Drift in
       Rank=r    Rank>r    Eigenvalue         Trace       Value      in ECM       Process

            0         0        0.8422       37.1941         19.99    Constant     Constant
            1         1        0.1051        2.1106          9.13


                                  Hypothesis of the Restriction

                                             Drift        Drift in
                               Hypothesis    in ECM       Process

                               H0            Constant     Constant
                               H1            Constant     Linear


                                Hypothesis Test of the Restriction

                                    Restricted
              Rank    Eigenvalue    Eigenvalue        DF    Chi-Square    Pr > ChiSq

                 0        0.7650        0.8422         2          9.52        0.0085
                 1        0.0082        0.1051         1          1.95        0.1621

少贴了前几行

                                     Simple Summary Statistics

                               Variable    Label

                               L_FDI       log( FDI )
                               L_s23       log( s23 / ( 100 - s23 ))


                                    Granger-Causality Wald Test

                              Test        DF    Chi-Square    Pr > ChiSq

                                 1         1         13.88        0.0002
                                 2         1          2.18        0.1399