为什么我的格兰杰因果关系检验不通过?

为什么我的格兰杰因果关系检验不通过？

没有问题，你的协整方程表示的是并不是因果关系。从它可以找出协整向量，这个向量反映了几个序列的长期均衡关系。故序列出现在协整方程的左边（因变量意义）还是右边（自变量意义），都是不重要的。这个和后面的granger因果关系不冲突。

Eviews格兰杰因果关系检验结果说明

去百度文库，查看完整内容>

内容来自用户:单松1976

Eviews格兰杰因果关系检验结果说明
一、经济变量之间的因果性问题
   计量经济模型的建立过程，本质上是用回归分析工具处理一个经济变量对其他经济变量的依存性问题，但这并不是暗示这个经济变量与其他经济变量间必然存在着因果关系。
   由于没有因果关系的变量之间常常有很好的回归拟合，把回归模型的解释变量与被解释变量倒过来也能够拟合得很好，因此回归分析本身不能检验因果关系的存在性，也无法识别因果关系的方向。
   假设两个变量，比如国内生产总值GDP和广义货币供给量M，各自都有滞后的分量GDP（-1），GDP（-2）…，M（-1），M（-2），…，显然这两个变量都存在着相互影响的关系。但现在的问题是：究竟是M引起GDP的变化，还是GDP引起M的变化，或者两者间相互影响都存在反馈，即M引起GDP的变化，同时GDP也引起M的变化。这些问题的实质是在两个变量间存在时间上的先后关系时，是否能够从统计意义上检验出因果性的方向，即在统计上确定GDP是M的因，还是M是GDP的因，或者M和GDP互为因果。
 
   因果关系研究的有趣例子是回答“先有鸡还是先有蛋”的问题。1988年有两位学者Walter N. Thurman和Mark E. Fisher用美国1930——1983年鸡蛋产量（EGGS）和鸡的产量（CHICKENS）的年度数据，对此问题进行了统计研究。他们运用格兰杰的 *** 检验鸡和蛋之间的因果关系，结果发现，鸡生蛋的假设被拒绝，而蛋生鸡的假设成立，因此，蛋为因，鸡为果，也就是先有蛋

下面分享相关内容的知识扩展：

eviews做格兰杰因果分析，P值一直大于0.1，做的是沪深300和股指期货的数据，按理说应该有因果关系，求帮助

Lags: 1

Null Hypothesis:ObsF-StatisticProb.

Y3 does not Granger Cause X3 30 0.050680.8236
X3 does not Granger Cause Y3 0.020160.8881

都这么大
理论上是应该没有关系了，但可不可能哪里出了错，导致数据这么大，因为别的论文都是有关的。

急！！！！！！！！！！！！！
别告诉我你是拿历史价格直接做的分析。。。
只有分析变化率之间的因果联系才有意义。你做了{Y_(i+1) - Y_i}/Y_i 的处理了吗。。。

格兰杰因果检验和向量自回归（VAR）模型问题 急急！！

我已经做完格兰杰因果检验，结果如下。Pairwise Granger Causality Tests
Date: 05/07/12 Time: 12:55
Sample: 1990 2010
Lags: 2
Null Hypothesis:ObsF-StatisticProbability
SER02 does not Granger Cause SER0119 0.33516 0.72081
SER01 does not Granger Cause SER02 2.03279 0.16785
SER03 does not Granger Cause SER0119 8.32044 0.00416
SER01 does not Granger Cause SER03 3.83285 0.04704
SER04 does not Granger Cause SER0119 4.76461 0.02640
SER01 does not Granger Cause SER04 0.15004 0.86204
SER05 does not Granger Cause SER0119 4.81833 0.02557
SER01 does not Granger Cause SER05 1.76083 0.20791
SER03 does not Granger Cause SER0219 2.84640 0.09178
SER02 does not Granger Cause SER03 4.73175 0.02692
SER04 does not Granger Cause SER0219 1.83852 0.19545
SER02 does not Granger Cause SER04 0.10371 0.90218
SER05 does not Granger Cause SER0219 5.76340 0.01493
SER02 does not Granger Cause SER05 3.80248 0.04798
SER04 does not Granger Cause SER0319 4.71858 0.02714
SER03 does not Granger Cause SER04 0.51736 0.60706
SER05 does not Granger Cause SER0319 0.27672 0.76232
SER03 does not Granger Cause SER05 2.79020 0.09553
SER05 does not Granger Cause SER0419 0.21012 0.81299
SER04 does not Granger Cause SER05 4.59718 0.02919

他们有的相互之间存在因果关系，有的不存在。

那我下一步做VAR模型的时候如何选择外生变量啊。难道有的变量直接被抛弃？？不会选，求帮助。财富过后还可追加。
逻辑思路好像有问题。
VAR模型建立之后，再用granger 因果部分检验其合理性。
而VAR模型的建立（即滞后阶数的选取），不是依据granger因果关系是否成立的。
对于VAR模型，一般不选择外生变量。因为外生、内生很难界定（sims的观点）。当然若确实有理论基础或数据不够长时，也可采用外生变量，这时可以参考granger因果关系的结果。

格兰杰单向因果关系可以进行脉冲响应与方差分解吗

你好！
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。
如有疑问，请追问。