На прошлой неделе написал функцию для тестирования наличия причинность по Грейнджеру для пары переменных. Код и ссылка на пример ниже.
На всякий случай проверил результаты с Eviews на выборке, которую предлагает Jamie Monogan из Washington University здесь: результат одинаковый:
Пример
Для наглядности приведу игрушечный пример использования теста Грейнджера.
Из опыта нам известно, что с ростом безработицы для многих выпускников аспирантура становится привлекательнее (скажем, из-за снижения альтернативных потерь: более низкой оплаты труда/вероятности трудоустройства на рынке).
Проверим это предположение. Данные по безработице из Вышки и данные по статистике образования. Я перехожу к приростам, так данные должны быть стационарны.
Действительно, вероятность того, что безработица не (Грейджер-)приводит к изменению в приростах в количестве поступающих в аспиратуру чуть более пяти процентов и не стоило бы ее отклонять. Так же логично, что обратное не верно, и мы можем уверенно отклонить гипотезу о том, что изменения в приростах поступающих могут влиять на изменения в приростах уровня безработицы.
Было бы интересно:
1. Сделать пример с поиском потенциально интересных причинно-следственных связей в массиве переменных.
2. Сделать тест для >2 переменных.