基于格兰杰因果检验的结果解读

Question

我试图使用格兰杰因果检验：https://www.statsmodels.org/stable/generated/statsmodels.tsa.stattools.grangercausalitytests.html

评估“积极评分”是否影响价值。

下面是我使用的代码：

# Applying differencing
condensed_df['value'] = condensed_df['value'] - condensed_df['value'].shift(1)
condensed_df = condensed_df.drop(0)

# Running granger causality test
dct_pos_granger_causality = grangercausalitytests(condensed_df[["value", daily_avg_positive_score"]], maxlag = 4, verbose=False)

在dataframe中总共有1,008行。

结果如下：

{1: ({'ssr_ftest': (0.005356633438031601, 0.941670291866298, 1003.0, 1), 'ssr_chi2test': (0.0053726552728412666, 0.9415686658133314, 1), 'lrtest': (0.005372640925997985, 0.9415687436896775, 1), 'params_ftest': (0.0053566334379265765, 0.9416702918669032, 1003.0, 1.0)})
 2: ({'ssr_ftest': (0.25177289420871873, 0.7774705403356538, 1000.0, 2), 'ssr_chi2test': (0.5060635173595247, 0.7764432226205071, 2), 'lrtest': (0.5059361470375734, 0.7764926721067107, 2), 'params_ftest': (0.25177289420872345, 0.7774705403356538, 1000.0, 2.0)})
 3: ({'ssr_ftest': (0.24649533124441178, 0.8638565929333925, 997.0, 3), 'ssr_chi2test': (0.7446779716230374, 0.862648253967841, 3), 'lrtest': (0.7444019401355035, 0.8627137383746588, 3), 'params_ftest': (0.2464953312443746, 0.8638565929334187, 997.0, 3.0)})
 4: ({'ssr_ftest': (0.6384235515822775, 0.6351740781255001, 994.0, 4), 'ssr_chi2test': (2.576816186064484, 0.6309354793595714, 4), 'lrtest': (2.57351178378849, 0.6315224927789413, 4), 'params_ftest': (0.6384235515823179, 0.6351740781254609, 994.0, 4.0)})}

我很难解释结果。我是否正确地认为，以第一次ssr_chi2test为例(0.0053726552728412666，0.9415686658133314，1)，0.005表示测试统计量，0.94表示P值，1表示自由度？

如果这是正确的，那么零假设是绝对不能被拒绝的，并且在只有一个自由度的情况下，可能没有足够的数据？

任何澄清都将不胜感激！

Answer 1

(0.0053726552728412666，0.9415686658133314，1)，0.005表示测试统计量是是，0.94代表P-值-是.以及自由的程度？不是的。

而1,2,3和4是普通的序列号，而不是自由度。

在10%的信心水平上，你至少需要2.71(卡方值).你已经计算出卡方= 2.576，因此，零假设是可以接受的.您的断言--零假设绝对不能被拒绝--在这种特殊情况下是有效的。