计量经济学之格兰杰因果关系检验（Granger causality test）

格兰杰检验是干什么的？——分析变量之间是否存在因果关系

格兰杰因果检验是用在时间序列数据上的一种计量方法。

格兰杰因果关系的内涵：若在包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果，即变量X有助于解释变量Y的将来变化，则认为变量X是引致变量Y的格兰杰原因。再通俗一点，就是说，目标是预测Y的变化，加上X的预测结果要比只有Y的预测结果好，那么就说，X和Y之间存在格兰杰因果关系。也就是说，X的变化可以解释Y的变化。

格兰杰检验的前提条件？——时间序列平稳

进行格兰杰因果关系检验的一个前提条件是时间序列必须具有平稳性，否则可能会出现虚假回归问题。检验平稳性用单位根检验。

所以，一般的处理程序是：对时间序列数据做单位根检验，如果不存在单位根，则时间序列平稳。继续对时间序列数据做格兰杰检验，检验其变量之间的因果关系。

住：最近，以Peter Phillips的一论文为理论基础，人们也开始在实证中用格兰杰检验处理非平稳数据，这也是可以的。

格兰杰检验不成立的意义——不表示X和Y之间无因果关系

格兰杰因果检验是检验统计上的时间先后顺序，并不表示而这真正存在因果关系，是否呈因果关系需要根据理论、经验和模型来判定。

若X都不是Y的格兰杰原因，这并不是说X与Y之间毫无关系。格兰杰因果检验本身也不是真实意义上检验变量的因果关系，而只是检验变量在统计上的时间先后顺序。

格兰杰检验的因果关系并非我们通常理解的因与果的关系，而是说x的前期变化能有效地解释y的变化，所以称其为“格兰杰原因”。