Granger 因果检验教程

时间序列

在 STATAU 中检查变量滞后值是否有助于预测另一变量，并理解双向检验结果。

常用 Stata 命令var y1 y2, lags(1/2) vargranger

在 STATAU 中打开此功能

Granger因果检验vargranger

这个页面解决什么问题

Granger 因果检验回答的是“一个变量的过去是否有助于预测另一个变量的现在”，而不是严格因果识别。当前页会对所有勾选变量自动做双向检验。

方法原理

如果在控制自身滞后项后，变量 A 的滞后值仍能显著提升对变量 B 的预测，那么我们说“A Granger 导致 B”。

适用数据与前提

至少选择两个时间序列变量，并尽量在平稳或同样差分后的序列上做检验。

STATAU 页面中每个位置应该放什么变量

网站位置	应放入的变量	说明
时间变量	时间索引	定义序列顺序。
分析变量	至少两个序列变量	系统会自动两两双向检验。
最大滞后阶数 / 信息准则	选阶设置	影响因果检验的滞后结构。
差分阶数	序列平稳化处理	用于先把变量调整到可比的平稳层面。

Stata 等效代码

var [变量1] [变量2], lags(1/[滞后阶数])
vargranger

Stata 代码位置	STATAU 网站对应位置	应放入什么
var [变量1] [变量2]	分析变量	检验前需要先有 VAR 滞后结构。
vargranger	执行 Granger 因果检验	对每对变量输出 F 统计量和 p 值。

在 STATAU 中操作步骤

1. 先确认变量已经平稳或完成适当差分。
2. 选择变量并设置滞后阶数与信息准则。
3. 执行后分别看 A→B 和 B→A 两个方向。

结果怎么看

• 显著结果表示“有助于预测”，不等于严格因果关系。
• 如果双向都显著，说明变量之间可能存在反馈关系。
• 若不同滞后阶数下结论变化很大，需要把结果写得更谨慎。

常见使用误区

• 把 Granger 结果直接写成“因果成立”是过度解释。
• 序列非平稳时做 Granger，结论往往不可靠。