熊猫格兰杰因果关系

Question

我想使用Python Pandas对时间序列数据执行Granger因果关系测试，我有两个问题。

(1)我尝试过使用pandas.stats.var包，但它似乎已被弃用。还有没有其他推荐的选项？

(2)我在解释pandas.stats.var包中VAR.granger_causality()函数的输出时遇到了困难。我能找到的唯一参考是源代码中的注释：

   Returns the f-stats and p-values from the Granger Causality Test.
   If the data consists of columns x1, x2, x3, then we perform the
   following regressions:
   x1 ~ L(x2, x3)
   x1 ~ L(x1, x3)
   x1 ~ L(x1, x2)
   The f-stats of these results are placed in the 'x1' column of the
   returned DataFrame.  We then repeat for x2, x3.
   Returns
   -------
   Dict, where 'f-stat' returns the DataFrame containing the f-stats,
   and 'p-value' returns the DataFrame containing the corresponding
   p-values of the f-stats.

例如，试运行的输出如下所示：

p-value:
          C         B         A
A   0.472122  0.798261  0.412984
B   0.327602  0.783978  0.494436
C   0.071369  0.385844  0.688292

f-stat:
          C         B         A
A   0.524075  0.065955  0.680298
B   0.975334  0.075878  0.473030
C   3.378231  0.763898  0.162619

我知道p-value表中的每个单元格对应于f-stat表中的一个单元格，但我不理解f-stat表中的单元格指的是什么。例如，C列A行中的值0.52是什么意思？

Answer 1

• (零假设) H0: Xt不是格兰杰导致Yt。
• (替代假设) H1: Xt格兰杰导致Yt。

如果P值小于5% (或0.05)，那么我们可以拒绝零假设(H0)，并可以得出结论，Xt格兰杰导致了Yt。

因此，只要你的P值小于0.05，你就可以考虑这些特征。

Answer 2

请记住，格兰杰因果关系的最简单形式由两个回归的R2的F检验组成: y=const+y-1+e vs. y=const+y-1+x-1+e

以查看第二次回归的R2是否更高。另请参阅：http://www.statisticshowto.com/granger-causality/