statsmodels.tsa.vector_ar.vecm.VECMResults.test_granger_causality¶

VECMResults.test_granger_causality(caused, causing=None, signif=0.05)[source]¶

格兰杰因果关系测试。

Granger因果关系的概念在[1]的第7.6.3章中进行了描述。 检验H₀：“causing中的变量不会Granger导致caused中的变量”， 与H₁：“causing对caused具有Granger因果关系”。

Parameters:¶

causedint or str or sequence of int or str

如果是整数或字符串，测试通过此索引（整数）或名称（字符串）指定的变量是否由causing指定的变量引起的格兰杰因果关系。 如果是整数或字符串的序列，测试相应的变量是否由causing指定的变量引起的格兰杰因果关系。

causingint or str or sequence of int or str or None, default: None

如果是整数或字符串，测试通过此索引（整数）或名称（字符串）指定的变量是否是caused指定的变量的格兰杰原因。 如果是整数或字符串的序列，测试相应的变量是否是caused指定的变量的格兰杰原因。 如果是None，则假设causing是caused的补集（系统的其余变量）。

signiffloat, 0 < signif < 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。

Returns:¶

resultsstatsmodels.tsa.vector_ar.hypothesis_test_results.CausalityTestResults

参考文献

[1]

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