格兰杰因果检验结果解读格兰杰因果检验Granger Causality Test是由诺贝尔经济学奖得主Clive Granger于1969年提出的一种基于预测思想的因果关系检验方法。其核心逻辑是如果变量X的滞后值能够显著提高对变量Y的预测精度相对于仅使用Y自身滞后值的情形则称X是Y的格兰杰原因。需要注意的是格兰杰因果关系并非真正意义上的因果关系而是一种基于时间序列预测能力的统计关联即X在时间上先于Y发生变化且X的历史信息对Y具有额外的预测价值。格兰杰因果检验通常基于向量自回归VAR模型框架进行通过F检验来判断某一变量的滞后项对另一变量的解释是否具有统计显著性。检验的原假设H0为“X不是Y的格兰杰原因”若p值小于给定的显著性水平通常为0.05则拒绝原假设认为X是Y的格兰杰原因。滞后阶数的选择对检验结果具有重要影响通常根据信息准则或研究需要确定。本研究借助SPSSAU软件在滞后阶数为2的条件下对三个变量之间的格兰杰因果关系进行全面检验。在SPSSAU【计量经济研究】模块选择【格兰杰检验】将变量拖拽至右侧对应分析框操作如下图一、格兰杰检验结果表1报告了三个变量之间两两格兰杰因果检验的完整结果。本次检验的滞后阶数为2阶自由度df12df2113。以下逐一对各检验结果进行分析。首先考察 x1是否为 x2的格兰杰原因。检验的F值为0.454p值为0.636远大于0.05的显著性水平因此接受原假设认为 x1不是 x2的格兰杰原因。这意味着 x1的滞后值对 x2的预测没有提供额外的解释信息。其次考察 x1是否为 x3的格兰杰原因。F值为0.852p值为0.4290.05接受原假设x1不是 x3的格兰杰原因。x1的滞后信息对 x3的预测同样不具有显著的增量贡献。第三考察 x2是否为 x1的格兰杰原因。F值为2.235p值为0.1120.05虽然F值在所有检验对中相对较高但仍未达到0.05的显著性水平因此接受原假设x2不是 x1的格兰杰原因。不过该p值相对接近临界值提示 x2对 x1可能存在一定的边际预测能力但在当前样本量下尚不足以达到统计显著。第四考察 x2是否为 x3的格兰杰原因。F值为0.441p值为0.6450.05接受原假设x2不是 x3的格兰杰原因。第五考察 x3是否为 x1的格兰杰原因。F值为1.183p值为0.3100.05接受原假设x3不是 x1的格兰杰原因。最后考察 x3是否为 x2的格兰杰原因。F值为2.113p值为0.1260.05接受原假设x3不是 x2的格兰杰原因。与 x2对 x1的检验类似该p值也相对接近0.05的临界水平但仍未达到统计显著。二、综合讨论综合以上六组检验结果在0.05的显著性水平和2阶滞后的条件下三个变量x1、x2、x3之间两两均不存在格兰杰因果关系。具体而言无论是 x1对 x2、x1对 x3、x2对 x1、x2对 x3、x3对 x1还是 x3对 x2所有检验的p值均大于0.05未能拒绝任何一组原假设。从F值的大小来看x2对 x1的检验F2.235和 x3对 x2的检验F2.113的F值相对较高对应的p值分别为0.112和0.126虽不显著但在所有检验对中最接近显著性水平。这提示在更大的样本量下这两对变量之间的格兰杰因果关系可能会变得显著。而其余四组检验的F值均较低0.441至0.852p值均远大于0.05表明这些变量对之间确实不存在明显的预测性因果关系。三、结论本研究利用SPSSAU软件对三个时间序列变量进行了格兰杰因果检验滞后阶数为2。检验结果显示六组两两检验的p值均大于0.05的显著性水平p值范围为0.112至0.645所有原假设均未被拒绝即三个变量之间均不存在格兰杰因果关系。这一结果表明在当前的时间序列框架下任一变量的历史信息均不能显著提高对其他变量的预测精度。各变量的变化更多地受到自身历史和其他外部因素的影响而非由系统内其他变量的过去值所驱动。