因果检验的较高层面探讨（超越《高铁梅》）

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

Granger因果检验通常在三种模式下进行：
1、Group；2、VAR；3、VECM。其中，后2种又称内生性、外生性因果检验。

        现在的问题是，
1）在相同的滞后期，相同的数据，三种检验方法的因果结论很可能完全不同。当然VAR是检验水平值，VECM是一阶差分，结论不同可以理解。但Group和VAR的因果检验都是水平值，结果的大相径庭是为什么呢？

2）在某些文章中（我只看《经济研究》、《数量经济与技术经济研究》），开始明明是建立VAR、Johanson协整，然后在因果检验的时候却变成使用Group的因果检验，这是为什么呢？

3）在某些文章中（如上），基于VAR的因果检验，同一方程，不同解释、被解释变量的滞后期选取不同（从df自由度不同看出，非多变量的联合wald检验），这是为什么呢？     因为通常建立一个VAR模型的滞后期是固定的，VAR下eviews中因果检验也固定就是那个滞后期的。

4）在某些文章中（如上），某些文章中，建立VAR、Johanson协整，在做VECM。因为有了协整关系，是否在进行因果检验的时候必须要用基于VECM的呢？ 用基于VAR的可以吗？ 用基于Group的可以吗？

         敬请高手回答，谢谢。

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1 回帖

关键词：因果检验 高铁梅 granger因果检验 Johanson Granger 检验 高铁梅 探讨 超越

怎么不看些外文献

你是不是想写granger，后来结果都变成写group啦！！！

因为在GROUP里直接由GRANGER这个选项，谁还去费劲建立VAR啊不是。很多时候是滞后期的问题，理论上合适的滞后期实际中不行，因为样本限制。这种模型理论上来说都是大样本性质的，但实际做的时候有几个样本容量超过30的？滞后期不同结果很可能不同。一些EG协整为例，按道理在做完这个检验后关键要看检验方程的残差是否还存在自相关，但实际上很少有学者严谨地对待这个问题，而教科书往往也是一带而过，大家都不注意就成习惯了。所以多看些牛人的论文，应用的也没关系，就会注意到这些细小的但很见功力的问题了。

楼上说的不错，但没有具体回答问题啊，谢谢。

这些问题的确是经过一定的积累才能提出来的，期待共同讨论

我的意思是，其实你是对的，很多论文本身写的就是不严谨

zhaojumping 发表于 2010-8-7 21:43
我的意思是，其实你是对的，很多论文本身写的就是不严谨

哈哈，谢谢。另外2楼的兄弟当初说啥来着？怎么被屏蔽了？？

怎么没有人懂吗？

“一些EG协整为例，按道理在做完这个检验后关键要看检验方程的残差是否还存在自相关，但实际上很少有学者严谨地对待这个问题”

我不太同意这个看法，因为自相关和平稳性是两码事，而且在adf检验时，也通过差分滞后消除了自相关。arma模型的分析对象不就是平稳自相关的序列吗？所以不用管自相关。另外，模特卡罗试验表明协整条件下，ols估计具有超一致性，所以也不用担心自相关对参数估计带来的问题。小样本条件下可能要校正的，但好像也是在协整检验完后（王燕的《应用时间序列分析》上好像是协整检验完后校正自相关的）。
另外我的看法是，所谓误差修正模型，就是揭示短期变化关系，也就是残差项自相关中的信息。残差自相关，就是说明过去对现在有影响，也就是短期的调整关系，所以协整方程的自相关不用处理。