作业帮有谁研究格兰杰因果关系?能不能指教一下多变量的格兰杰因果关系怎么检验?每一个时间点是向量的那种?
来源：学生作业帮助网 编辑：作业帮 时间：2024/12/01 08:58:41
有谁研究格兰杰因果关系?能不能指教一下多变量的格兰杰因果关系怎么检验?每一个时间点是向量的那种?
有谁研究格兰杰因果关系?能不能指教一下多变量的格兰杰因果关系怎么检验?每一个时间点是向量的那种?
有谁研究格兰杰因果关系?能不能指教一下多变量的格兰杰因果关系怎么检验?每一个时间点是向量的那种?
要探讨因果关系,首先当然要定义什么是因果关系.这里不再谈伽利略抑或休谟等人在哲学意义上所说的因果关系,只从统计意义上介绍其定义.从统计的角度,因果关系是通过概率或者分布函数的角度体现出来的：在宇宙中所有其它事件的发生情况固定不变的条件下,如果一个事件A的发生与不发生对于另一个事件B的发生的概率（如果通过事件定义了随机变量那么也可以说分布函数）有影响,并且这两个事件在时间上又先后顺序（A前B后）,那么我们便可以说A是B的原因.
早期因果性是简单通过概率来定义的,即如果P(B|A)>P(B)那么A就是B的原因（Suppes,1970）；然而这种定义有两大缺陷：一、没有考虑时间先后顺序；二、从P(B|A)>P(B)由条件概率公式马上可以推出P(A|B)>P(A),显然上面的定义就自相矛盾了（并且定义中的“>”毫无道理,换成“<”照样讲得通,后来通过改进,把定义中的“>”改为了不等号“≠”,其实按照同样的推理,这样定义一样站不住脚）.
事实上,以上定义还有更大的缺陷,就是信息集的问题.严格讲来,要真正确定因果关系,必须考虑到完整的信息集,也就是说,要得出“A是B的原因”这样的结论,必须全面考虑宇宙中所有的事件,否则往往就会发生误解.最明显的例子就是若另有一个事件C,它是A和B的共同原因,考虑一个极端情况：若P(A|C)=1,P(B|C)=1,那么显然有P(B|AC)=P(B|C),此时可以看出A事件是否发生与B事件已经没有关系了.
因此,Granger（1980）提出了因果关系的定义,他的定义是建立在完整信息集以及发生时间先后顺序基础上的.至于判断准则,也在逐步发展变化：
最初是根据分布函数（条件分布）判断,注意Ωn是到n期为止宇宙中的所有信息,Yn为到n期为止所有的Yt (t=1…n),Xn+1为第n+1期X的取值,Ωn-Yn为除Y之外的所有信息.
F(Xn+1 | Ωn) ≠ F(Xn+1 | (Ωn − Yn)) - - - - - - - (1)
后来认为宇宙信息集是不可能找到的,于是退而求其次,找一个可获取的信息集J来替代Ω：
F(Xn+1 | Jn) ≠ F(Xn+1 | (Jn − Yn)) - - - - - - - (2)
再后来,大家又认为验证分布函数是否相等实在是太复杂,于是再次退而求其次,只是验证期望是否相等（这种叫做均值因果性,上面用分布函数验证的因果关系叫全面因果性）：
E(Xn+1 | Jn) ≠ E(Xn+1 | (Jn − Yn)) - - - - - - - (3)
也有一种方法是验证Y的出现是否能减小对Xn+1的预测误差,即：
σ2(Xn+1 | Jn) < σ2(Xn+1 | (Jn − Yn)) - - - - - - - (4)
最后一种方法已经接近我们最常用的格兰杰因果检验方法,统计上通常用残差平方和来表示预测误差,于是常常用X和Y建立回归方程,通过假设检验的方法（F检验）检验Y的系数是否为零.
可以看出,我们所使用的Granger因果检验与其最初的定义已经偏离甚远,削减了很多条件（并且由回归分析方法和F检验的使用我们可以知道还增强了若干条件）,这很可能会导致虚假的因果关系.因此,在使用这种方法时,务必检查前提条件,使其尽量能够满足.此外,统计方法并非万能的,评判一个对象,往往需要多种角度的观察.正所谓“兼听则明,偏听则暗”.诚然真相永远只有一个,但是也要靠科学的探索方法.