格兰杰因果检验

一、直观理解：旧信息里，谁能帮我多预测一步

格兰杰因果（Granger causality）问的是预测性问题：

在包含变量 $X$ 与 $Y$ 的过去信息时，若去掉 $X$ 的过去，对 $Y$ 的预测会显著变差，则称 $X$ Granger-引起 $Y$。

它不是哲学上的“真因”，也不是干预意义的因果，而是时间序列中的领先—滞后预测关系。

例子：若利率变化有助于预测未来投资，即使控制投资自身的滞后，则利率 Granger-引起投资。但这仍可能由第三变量共同驱动，或与预期有关。

二、适用场景与优缺点

类型	说明
适用场景	多变量时间序列；探索领先滞后；VAR 建模中的结构探索；排除“明显没有预测内容”的链接。
核心优点	操作标准化；与 VAR 一体；可双向检验；有滞后选择与稳健实现。
局限与缺点	非干预因果；受遗漏变量、预期、采样频率影响；需平稳或协整框架；瞬时相关不在基本定义内。

在建模论文中，若写“格兰杰因果”，应同时声明其预测含义，避免政策干预式措辞。

三、核心原理

对平稳序列，考虑 $Y$ 方程：

$$Y_t=\alpha+\sum_{i=1}^{p}a_i Y_{t-i}+\sum_{i=1}^{p}b_i X_{t-i}+u_t$$

检验 $H_0:b_1=\cdots=b_p=0$。可用 F/Wald 检验。对称地可检验 $Y\to X$。

在 VAR 系统中对整块系数做约束检验。滞后 $p$ 用 AIC/BIC 或事前信息选。

非平稳时：

• 先差分到平稳再检验；或
• 在协整/VECM 框架讨论长期与短期格兰杰关系。

推广：条件格兰杰（控制第三变量集合）、频域格兰杰、面板格兰杰。

四、关键决策

1. 信息集

格兰杰结论相对于你放入的变量集合。漏掉共同原因会得到虚假因果。

2. 滞后阶数

太短：漏掉慢通道；太长：功效低。报告换阶稳健性。

3. 瞬时相关

同一期冲击相关时，基本格兰杰不刻画“瞬时因果”，需结构 VAR 与识别假设。

4. 措辞

推荐：“$X$ 在格兰杰意义上有助于预测 $Y$”，而不是“$X$ 导致 $Y$”。

五、MATLAB 示例

rng(25);
T = 400;
% X 是 Y 的领先者
x = zeros(T,1); y = zeros(T,1);
ex = randn(T,1); ey = randn(T,1);
for t = 3:T
    x(t) = 0.5*x(t-1) + ex(t);
    y(t) = 0.4*y(t-1) + 0.6*x(t-1) + ey(t);
end

% 用 lagmatrix 构造回归
p = 2;
Y = y(p+1:end);
Xlags = [];
Ylags = [];
for i = 1:p
    Xlags = [Xlags, x(p+1-i:end-i)];
    Ylags = [Ylags, y(p+1-i:end-i)];
end

% 无约束：Y ~ Ylags + Xlags
mdl_u = fitlm([Ylags Xlags], Y);
% 约束：Y ~ Ylags
mdl_r = fitlm(Ylags, Y);
% F 检验（似然比/多余平方和）
SSR_u = sum(mdl_u.Residuals.Raw.^2);
SSR_r = sum(mdl_r.Residuals.Raw.^2);
n = numel(Y); k_u = 1 + 2*p; q = p;
Fstat = ((SSR_r - SSR_u)/q) / (SSR_u/(n - k_u));
pval = 1 - fcdf(Fstat, q, n-k_u);
fprintf("H0: X 不 Granger 引起 Y; F=%.3f, p=%.4g\n", Fstat, pval);

% 反向
X = x(p+1:end);
mdl_u2 = fitlm([Xlags Ylags], X);
mdl_r2 = fitlm(Xlags, X);
SSR_u2 = sum(mdl_u2.Residuals.Raw.^2);
SSR_r2 = sum(mdl_r2.Residuals.Raw.^2);
F2 = ((SSR_r2-SSR_u2)/q) / (SSR_u2/(n-(1+2*p)));
p2 = 1 - fcdf(F2, q, n-(1+2*p));
fprintf("H0: Y 不 Granger 引起 X; F=%.3f, p=%.4g\n", F2, p2);

% 也可用 vgx 或 varm 工具箱做 VAR 与 gctest（若可用）
try
    Mdl = varm(2, p);
    Est = estimate(Mdl, [y x]);
    % 某些版本提供 gctest
    if exist("gctest", "file")
        gctest(Est);
    end
catch
    disp("跳过工具箱 VAR 接口，手写检验已完成");
end

六、如何解释结果

1. 序列、变换（对数/差分）与平稳性；
2. 信息集变量；
3. 滞后选择；
4. 双向检验表；
5. 明确“预测因果”含义；
6. 稳健性与可能的遗漏变量。

七、常见误区

1. 当成政策干预因果

措辞过度是最常见问题。

2. 非平稳直接回归

虚假回归与错误 F。

3. 只做单向

应报告是否双向。

4. 采样过粗

季度数据可能把瞬时关系抹成滞后或反过来。

八、小结

格兰杰因果的核心是：

在给定信息集下，一个序列的过去是否有助于预测另一个序列。

它是时间序列探索与 VAR 诊断的有用工具，但不是结构因果的替代品。写作中把“预测性领先”与“可干预因果”分开，是专业性的基本标准。