stata F值缺失_一文读懂Stata做格兰杰因果检验命令总结

来源：http://dss.princeton.edu/training/，部分资源整理自：百度文库、CDA数据分析师、社会科学中的数据可视化

在实证分析中，我们经常需要确定因果关系是x导致y，还是y导致x。对此，Granger提出了一种解决方法:如果x是y的原因，且不存在反向因果，则x过去值可以预测y未来值，反之则不然。具体来说，我们建立时间序列模型如下，并提出假设H0：βm=0，m=1,2…p。如果接受该假设，则意味着x过去值不能够预测y未来值；如果拒绝该假设，则可以，即x是y的格兰杰因(Granger cause)。

格兰杰因果关系检验假设了有关y和x每一变量的预测的信息全部包含在这些变量的时间序列之中。检验要求估计以下的两个回归模型：

模型1

模型2

模型1是为了检验X对Y的影响，模型二是为了检验Y对X的影响。(其中白噪音u1t 和u2t假定为不相关的)

基本逻辑：

模型一中，如果模型α1，α2 , ... , αq 中只要存在一个系数显著为不零，那就认为X对Y有格兰杰因果关系，模型二类似；