机器算法验证 - 使用 R 进行格兰杰因果关系解释 - 吾爱随笔录

使用 R 进行格兰杰因果关系解释

机器算法验证 r 格兰杰因果关系

2022-03-03 12:11:56

我有三个宏观经济变量（ICS - 消费者情绪，ER - 就业率，DGO - 耐用品订单），并在 R 中对它们进行了格兰杰因果关系检验。我真的不知道如何解释格兰杰测试的结果。任何人都可以帮我理解结果吗？

我知道我们正在检查一个变量是否可以用来预测另一个变量，我知道如果这是真的，那么其中一个变量肯定有一些滞后，格兰杰检验的顺序与顺序有关. 我不知道如何解释此处报告了 2 个模型的事实。我可以看到一个模型带有回归变量，而另一个模型没有回归变量。我假设滞后向量 1:3 意味着我们正在测试 1、2 和 3 个月的滞后。

grangertest(ICS~ER, order = 3, data=modeling.mts)

Granger causality test

Model 1: ICS ~ Lags(ICS, 1:3) + Lags(ER, 1:3)
Model 2: ICS ~ Lags(ICS, 1:3)
  Res.Df Df      F Pr(>F)
1    258                 
2    261 -3 2.0352 0.1094

grangertest(ICS~DGO, order = 3, data=modeling.mts)

Granger causality test

Model 1: ICS ~ Lags(ICS, 1:3) + Lags(DGO, 1:3)
Model 2: ICS ~ Lags(ICS, 1:3)
   Res.Df Df     F   Pr(>F)   
1    258                      
2    261 -3 4.8621 0.002625 **
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

grangertest(DGO~ER, order = 3, data=modeling.mts)

Granger causality test

Model 1: DGO ~ Lags(DGO, 1:3) + Lags(ER, 1:3)
Model 2: DGO ~ Lags(DGO, 1:3)
  Res.Df Df      F  Pr(>F)  
1    258                    
2    261 -3 3.2704 0.02181 *
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

1个回答

该功能的帮助页面grangertest非常清晰，应该有很大帮助。

Model 1是包含 Granger 因果项的不受限制的模型。
Model 2是省略了格兰杰因果项的受限模型。
该测试是一个 Wald 测试，用于评估使用限制Model 2代替是否具有Model 1统计意义（粗略地说）。

您将结果解释如下：

如果（其中是你想要的显着性水平），你拒绝没有格兰杰因果关系的原假设。这表明与相比限制性太强。Pr(>F) $< \alpha$ $\alpha$ Model 2Model 1
如果不等式反转，则不会拒绝原假设，因为更富有的人更Model 1喜欢受限制的人Model 2。

注意：您说我们正在检查一个变量是否可用于预测另一个变量。
更准确的说法是，当自己的历史已经被用于预测时，我们正在检查是否包含对预测 $x$ $y$ $y$ 也就是说，不要错过必须在自身历史之外（或额外）有用的事实。 $x$ $y$

其它你可能感兴趣的问题

上一篇关于负 AIC 值下一篇1 路方差分析的最小样本量？