statsmodels.tsa.vector_ar.var_model.VARResults.test_inst_causality¶

VARResults.test_inst_causality(causing, signif=0.05)[source]¶

测试瞬时因果关系

Parameters:¶

causing

如果是整数或字符串，测试相应的变量是否导致在caused中指定的变量。 如果是整数或字符串的序列，测试相应的变量是否导致在caused中指定的变量。

signiffloat between 0 and 1, default 5 %

计算检验临界值的显著性水平，默认为标准的0.05水平

verbosebool

如果为真，打印一个包含结果的表格。

Returns:¶

resultsdict

一个保存测试结果的字典。字典的键包括：

“statistic”float

计算出的检验统计量。

“crit_value”float

卡方分布的临界值。

“pvalue”float

与检验统计量对应的p值。

“df”float

卡方分布的自由度。

“conclusion”str {“reject”, “fail to reject”}

H0是否可以被拒绝。

“signif”float

显著性水平

注释

测试如[1]第3.6.3和7.6.4章节所述的瞬时因果关系。 测试H0：“被导致和导致之间不存在瞬时因果关系” 与H1：“被导致和导致之间存在瞬时因果关系”。

瞬时因果关系是一种对称关系（即如果“瞬时导致”是导致，那么“被导致”也是“瞬时导致”导致），因此参数的命名（选择与test_granger_causality()一致）可能会产生误导。

此方法返回的结果与JMulTi不同。这是因为测试基于statsmodels中的VAR(k_ar)模型（根据[1]第104页，320-321页），而JMulTi似乎使用的是VAR(k_ar+1)模型。

参考文献

[1] (1,2)

卢特克霍伊泽尔，H. 2005. 多时间序列分析新导论 分析。斯普林格出版社。