如文档中所示，在运行向量自回归模型 (VAR) 后，可以继续使用 Granger 检验的因果关系命令：

causality(x, cause = NULL, vcov.=NULL, boot=FALSE, boot.runs=100)

这是文档中的示例，

data(Canada) # below is the data structure

>               e     prod       rw     U
>1980 Q1 929.6105 405.3665 386.1361  7.53
>1980 Q2 929.8040 404.6398 388.1358  7.70
>1980 Q3 930.3184 403.8149 390.5401  7.47
>1980 Q4 931.4277 404.2158 393.9638  7.27
>1981 Q1 932.6620 405.0467 396.7647  7.37

var.2c <- VAR(Canada, p = 2, type = "const")
causality(var.2c, cause = "e")

返回

$Granger

Granger causality H0: e do not Granger-cause prod rw U

data:  VAR object var.2c

F-Test = 6.2768, df1 = 6, df2 = 292, p-value = 3.206e-06

我的问题是：这个格兰杰测试是为了什么以及如何解释它？

它在结果中说原假设是“H0：e do not Granger-cause prod rw U ”，这是否意味着它正在用一个 p 值测试e Granger 是否同时导致prod、rw、U ？

使用grangertest()in 时R，总是需要同时指定原因和因变量，所以对我来说它是如何causality()工作的并不完全直观。