北京
分享至
格兰杰因果检验（Granger causality test）是一种统计方法，用来考察一个时间序列变量的过去值，是否有助于预测另一个变量。它在经济学、金融和数据分析里被经常使用。
名字里带“因果”，但它检验的是预测关系，不是真正的因果。这一点在解读结果时最容易出岔子。
要跑这个检验，通常得先备齐几样东西：两个时间序列变量、按固定间隔排列的观测值、足够的数据量，以及合适的滞后阶数。此外还要检查平稳性和其他模型假设，否则结果未必靠得住。
检验会给出一个p值。当p值低于0.05时，结果提供了统计证据，说明在设定的模型下，一个变量能改善对另一个变量的预测。但这并不必然构成真正的因果关系。
换句话说，p值过线只说明“预测上有帮助”，离“谁导致了谁”还差一层。数据准备做得对不对、结果解读得是否谨慎，直接决定结论可不可信。
如果正在做时间序列分析，可以借助在线工具跑一次格兰杰因果检验，看看变量之间是否存在这种预测关系。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
