【数据分析】Granger因果关系分析

Granger（格兰杰） 因果关系分析（Granger Causality Analysis）是一种用于检验时间序列变量之间因果关系的统计方法。该方法由诺贝尔经济学奖得主 Clive Granger 提出，被广泛应用于经济学、金融学、神经科学等领域，用于揭示两个或多个时间序列变量之间的因果关系。

一. Granger 因果关系的基本概念

Granger 的因果关系定义基于预测能力，而非传统意义上的“原因-结果”关系。

在时间序列情形下，两个经济变量X、Y之间的格兰杰因果关系定义为：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。

举个例子：

要预测商品的销售额，使用 历史销售额 + 历史销售量 来预测，效果比只用历史销售额来预测未来销售额效果好，则说销售量Granger导致了销售额。

二. Granger 因果关系的数学表述

Granger 因果关系通常通过以下两个回归模型来检验：

$$X_t=\sum _{i=1}^p{a}_i{X}_{t-i}+{ϵ}_{1t}$$

$$X_t=\sum _{i=1}^p{a}_i{X}_{t-i}+j=1$$