Grangerin testi syy-syyn selvittämiseksi

Kokeneet kirjoittajat eivät ole vielä tarkistaneet sivun nykyistä versiota, ja se voi poiketa merkittävästi 3. joulukuuta 2014 tarkistetusta versiosta . tarkastukset vaativat 4 muokkausta .

Grangerin kausaalisuustesti ( eng. Grangerin kausaalisuustesti ) on menettely, jolla tarkistetaan aikasarjojen välistä kausaalista (ei kausaalista (!) -suhdetta (“ Grangerin kausaalisuus ”) . Testin ideana on, että arvot (muutokset) ) aikasarjasta , joka aiheuttaa aikasarjan muutosten edellytyksenä tämän aikasarjan muutoksia ja lisäksi sen on vaikutettava merkittävästi sen arvojen ennustamiseen.Jos jokainen muuttuja vaikuttaa merkittävästi ennusteeseen toisesta, niin ehkä on jokin muu muuttuja, joka vaikuttaa molempiin . $x_t$ $y_{t}$

Granger - testi testaa peräkkäin kahta nollahypoteesia: "x ei aiheuta Grangerin y:tä" ja "y ei aiheuta x:tä Grangerin mukaan". Näiden hypoteesien testaamiseksi rakennetaan kaksi regressiota: kussakin regressiossa riippuva muuttuja on yksi kausaalisuuden suhteen testatuista muuttujista, ja molempien muuttujien viiveet toimivat regressoreina (itse asiassa tämä on vektorin autoregressio ).

$y_{t}=a_{0}+a_{1}y_{t-1}+...+a_{p}y_{tp}+b_{1}x_{t-1}+.. .+b_{p}x_{tp}+\varepsilon _{t}$

$x_{t}=c_{0}+c_{1}x_{t-1}+...+c_{p}x_{tp}+d_{1}y_{t-1}+.. .+d_{p}y_{tp}+u_{t}$

Jokaiselle regressiolle nollahypoteesi on, että kertoimet toisen muuttujan viiveissä ovat molemmat nollia.

$H_{0}^{1}:~b_{1}=...=b_{p}=0$

$H_{0}^{2}:~d_{1}=...=d_{p}=0$

Näitä hypoteeseja voidaan testata esimerkiksi F-testillä tai LM-testillä . On huomattava, että testitulokset voivat riippua regressioissa käytettyjen viiveiden määrästä.

Katso myös

Linkit

Oppitunti EEG-tietojen Grangerin kausaalisuusanalyysistä Matlabilla
Anil Seth (2007) Grangerin kausality. Scholarpedia, 2(7):1667
Magnus J.R. Katyshev P.K. Peresetsky A.A. Ekonometria. Alkukurssi . – 2004.
Kaksisuuntainen Grangerin syy-testin online-laskin