Я пытаюсь научить себя Грейнджер Причинности. Я прочитал сообщения на этом сайте и несколько хороших статей в Интернете. Я также наткнулся на очень полезный инструмент, Bivariate Granger Causality - бесплатный статистический калькулятор , который позволяет вам вводить временные ряды и вычислять статистику Грейнджера. Ниже приведен пример данных, представленных на сайте. Я также взялся за интерпретацию результатов.
Мои вопросы:
- Правильна ли моя интерпретация?
- Какие ключевые идеи я упустил из виду?
- Кроме того, каково значение и интерпретация диаграмм CCF? (Я предполагаю, что CCF является взаимной корреляцией.)
Вот результаты и графики, которые я интерпретировал:
Summary of computational transaction
Raw Input view raw input (R code)
Raw Output view raw output of R engine
Computing time 2 seconds
R Server 'Herman Ole Andreas Wold' @ wold.wessa.net
Granger Causality Test: Y = f(X)
Model Res.DF Diff. DF F p-value
Complete model 356
Reduced model 357 -1 17.9144959720894 2.94360540545316e-05
Granger Causality Test: X = f(Y)
Model Res.DF Diff. DF F p-value
Complete model 356
Reduced model 357 -1 0.0929541667364279 0.760632773377753
Моя интерпретация:
- Тест был основан на 357 точках данных и был выполнен со значением задержки 1
- Значение p 0,0000294 означает, что я могу отвергнуть нулевую гипотезу о том, что x не вызывает y для Y = f (x).
- Значение р .76 позволяет мне принять ноль для X = f (Y)
- Тот факт, что первая гипотеза была отвергнута, а вторая принята, - это хорошо
- Я немного заржавел на своем F-тесте, поэтому мне пока нечего сказать по этому поводу.
- Я также не уверен, как интерпретировать график CCF.
Я действительно ценю, если кто-нибудь из вас, кто хорошо разбирается в причинно-следственной связи Грейнджер, может дать мне знать, правильно ли я интерпретирую это, а также заполнить некоторые пробелы.
Спасибо за вашу помощь.