matlab_格兰杰因果关系检验

      格兰杰因果关系检验：“依赖于使用过去某些时点上所有信息的最佳最小二乘预测的方差。"

       主要适用于经济变量。

       其统计学本质上是对平稳时间序列数据一种预测，仅适用于计量经济学的变量预测，不能作为检验真正因果性的判据。

       基本步骤:

      1）将当前的y对所有的滞后项y以及别的什么变量（如果有的话）做回归，即y对y的滞后项yt-1，yt-2，…，yt-q及其他变量的回归，但在这一回归中没有把滞后项x包括进来，这是一个受约束的回归。然后从此回归得到受约束的残差平方和RSSR。

      2）做一个含有滞后项x的回归，即在前面的回归式中加进滞后项x，这是一个无约束的回归，由此回归得到无约束的残差平方和RSSUR。
      3）零假设是H0：α1=α2=…=αq=0，即滞后项x不属于此回归。
      4）为了检验此假设，用F检验，即：
     它遵循自由度为q和(n-k)的F分布。在这里，n是样本容量，q等于滞后项x的个数，即有约束回归方程中待估参数的个数，k是无约束回归中待估参数的个数。
     5）如果在选定的显著性水平α上计算的F值超过临界值Fα，则拒绝零假设，这样滞后x项就属于此回归，表明x是y的原因。
     6）同样，为了检验y是否是x的原因，可将变量y与x相互替换，重复步骤（1）～（5）。

function granger(x,y,alpha,max_lag)
T = length(x);
BIC = zeros(max_lag,1);
RSSR = zeros(max_lag,1);
i = 1;
while i <= max_lag
    ystar = x(i+1:T,:);
    xstar = [ones(T-i,1) zeros(T-i,i)];
    j = 1;
    while j <= i
        xstar(:,j+1) = x(i+1-j:T-j);
        j = j+1;
    end
    [b,bint,r] = regress(ystar,xstar);
    BIC(i,:) = T*log(r'*r/T) + (i+1)*log(T);
    RSSR(i,:) = r'*r;
    i = i+1;
end
%RSSR不加滞后项x的受约束的残差平方和
x_lag = find(min(BIC));
BIC = zeros(max_lag,1);
RSSUR = zeros(max_lag,1);
i = 1;
while i <= max_lag
    ystar = x(i+x_lag+1:T,:);
    xstar = [ones(T-(i+x_lag),1) zeros(T-(i+x_lag),x_lag+i)];
    j = 1;
    while j <= x_lag
        xstar(:,j+1) = x(i+x_lag+1-j:T-j,:);
        j = j+1;
    end
    %加入滞后项
    j = 1;
    while j <= i
        xstar(:,x_lag+j+1) = y(i+x_lag+1-j:T-j,:);
        j = j+1;
    end
    [b,bint,r] = regress(ystar,xstar);
    BIC(i,:) = T*log(r'*r/T) + (i+1)*log(T);
    RSSUR(i,:) = r'*r;
    i = i+1;
end
y_lag = find(min(BIC));
F_num = ((RSSR(x_lag,:) - RSSUR(y_lag,:))/y_lag);
F_den = RSSUR(y_lag,:)/(T-(x_lag+y_lag+1));
F = F_num/F_den;
c_v = finv(1-alpha,y_lag,(T-(x_lag+y_lag+1)));
p = 1-fcdf(F,y_lag,(T-(x_lag+y_lag+1)));
end