格兰杰因果关系检验（原理及Python实例）

格兰杰因果检验是计量经济学中一种用于推断要素间相关影响关系的重要方法，由诺贝尔经济学奖得主克莱夫·格兰杰提出。它以向量自回归（VAR，Vector Auto regression）模型为基础，结合统计推断中的F统计量，发展而来。本博客在另外一篇文章中（参考文末给出的资料链接【1】）介绍过在R语言中进行格兰杰因果检验的方法，本文将在解释格兰杰因果检验原理的基础上，演示在Python中进行格兰杰因果检验的具体步骤。

 

一、Granger因果关系

 

所谓因果关系，可以通过变量之间的依赖性来定义，即作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。

 

通过前面的学习，我们已经知道，因果关系不同于相关关系；而且从一个回归关系式我们并不能确定变量之间是否具有因果关系。虽然回归分析研究是一个变量对另外一个或几个变量的依赖关系，但它并不意味着因果关系。莫里斯·肯达尔（Maurice Kendall）和艾伦·斯图亚蒂（Alan Stuart）曾经指出：“一个统计关系式，不管多强也不管多么有启发性，都永远不能确立因果关系的联系；对因果关系的理念必须来自统计学以外，最终来自这种或那种理论。” 例如将粮食产量作为降雨等因素的因变量