格兰杰因果检验 *** 作方法

先对时间序列进行平稳性检验，确定单位根个数，差分至平稳。
对已经平稳的序列进行格兰杰因果检验。
在eviews6中点击quick→group statistics→granger causality test→滞后阶数可以选择默认的2
然后就有结果了
建议观察p值，p值小于005不接受原假设。
学习中，有错误请指正。
ps 貌似回答得太晚了，但应该还是会有用 ^_^

格兰杰（Granger）于 1969 年提出了一种基于“预测”的因果关系（格兰杰因果关系），后经西蒙斯（1972 ,1980）的发展，格兰杰因果检验作为一种计量方法已经被经济学家们普遍接受并广泛使用，尽管在哲学层面上人们对格兰杰因果关系是否是一种“真正”的因果关系还存在很大的争议。简单来说它通过比较“已知上一时刻所有信息，这一时刻X的概率分布情况”和“已知上一时刻除Y意外的所有信息，这一时刻X的概率分布情况”，来判断Y对X是否存在因果关系。（在发展和简化版本中：“所有信息”这个理论上的过强条件被减弱，比较概率分布这个困难的 *** 作也被减弱）它的主要使用方式在于以此定义进行假设检验，从而判断X与Y是否存在因果关系。

平稳性检验就是单位根检验
先来看一下序列X是否平稳
Null Hypothesis: X has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=2)
t-Statistic Prob
Augmented Dickey-Fuller test statistic 9533462 10000
Test critical values: 1% level -2792154
5% level -1977738
10% level -1602074
原假设是存在单位根，序列是不平稳的。看是我们看ADF统计量值953，比10%水平下的值都要大，所以是接受原假设的，所以序列X是不平稳的。
再来看序列Y
t-Statistic Prob
Augmented Dickey-Fuller test statistic 3826736 09990
Test critical values: 1% level -2847250
5% level -1988198
10% level -1600140
同X一样，序列Y也是非平稳的。
协整检验就有点麻烦，先要对X和Y做差分，我这里是做了二阶差分才发现X，Y是平稳的，二阶差分后的序列定义为iix和iiy
对x和y序列做普通最小二乘回归
ls y c x
然后对残差序列做单位根检验
Null Hypothesis: E has a unit root
Exogenous: None
Lag Length: 0 (Automatic based on SIC, MAXLAG=2)
t-Statistic Prob
Augmented Dickey-Fuller test statistic -1236694 01853
Test critical values: 1% level -2792154
5% level -1977738
10% level -1602074
可以看出，检验统计量-124大于10%水平下的-16，可以认为残差序列为非平稳序列，所以x和y不具有协整关系。
最后来看格兰杰因果检验
Pairwise Granger Causalit

(Granger Causality Test)
上面因果关系的最后一种表达方法已经接近我们最常用的格兰杰因果检验方法，统计上通常用残差平方和来表示预测误差，于是常常用X和Y建立回归方程，通过假设检验的方法（F检验）检验Y的系数是否为零。
可以看出，我们所使用的Granger因果检验与其最初的定义已经偏离甚远，削减了很多条件（并且由回归分析方法和F检验的使用我们可以知道还增强了若干条件），这很可能会导致虚假的因果关系。因此，在使用这种方法时，务必检查前提条件，使其尽量能够满足。此外，统计方法并非万能的，评判一个对象，往往需要多种角度的观察。正所谓“兼听则明，偏听则暗”。诚然真相永远只有一个，但是也要靠科学的探索方法。

1，原始数据不平稳，不能建立VAR模型，只能建立VEC模型。2，运用VAR模型或者VEC模型，一般都要做格兰杰检验，不然得不出有效的实证分析信息。3，顺序：单位根-平稳-VAR-格兰杰；单位根-不平稳-协整-VEC-格兰杰4，二阶差分协整应该还是用原始数据做吧，我个人认为是这样的，改天去问问老师去。

---