Interpretasi kausalitas Granger menggunakan R

Saya memiliki tiga variabel ekonomi makro (ICS - sentimen konsumen, ER - tingkat pekerjaan, DGO - pesanan barang tahan lama) dan telah menjalankan tes kausalitas Granger dalam R pada mereka. Saya tidak benar-benar tahu bagaimana menafsirkan hasil tes Granger. Adakah yang bisa membantu saya memahami hasilnya?

Saya tahu bahwa kami sedang memeriksa untuk melihat apakah satu variabel dapat digunakan untuk memprediksi yang lain dan saya mengerti bahwa jika itu benar maka harus ada kelambatan dalam salah satu variabel dan bahwa urutan tes Granger harus dilakukan dengan urutan . Saya tidak tahu bagaimana menafsirkan fakta bahwa 2 model dilaporkan di sini. Saya dapat melihat bahwa satu model dengan variabel regressor dan model lainnya adalah tanpa regressor. Saya berasumsi vektor Lags 1: 3 berarti kita sedang menguji keterlambatan 1, 2, dan 3 bulan.

grangertest(ICS~ER, order = 3, data=modeling.mts)

Granger causality test

Model 1: ICS ~ Lags(ICS, 1:3) + Lags(ER, 1:3)
Model 2: ICS ~ Lags(ICS, 1:3)
  Res.Df Df      F Pr(>F)
1    258                 
2    261 -3 2.0352 0.1094

grangertest(ICS~DGO, order = 3, data=modeling.mts)

Granger causality test

Model 1: ICS ~ Lags(ICS, 1:3) + Lags(DGO, 1:3)
Model 2: ICS ~ Lags(ICS, 1:3)
   Res.Df Df     F   Pr(>F)   
1    258                      
2    261 -3 4.8621 0.002625 **
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

grangertest(DGO~ER, order = 3, data=modeling.mts)

Granger causality test

Model 1: DGO ~ Lags(DGO, 1:3) + Lags(ER, 1:3)
Model 2: DGO ~ Lags(DGO, 1:3)
  Res.Df Df      F  Pr(>F)  
1    258                    
2    261 -3 3.2704 0.02181 *
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

The bantuan halaman untuk grangertestfungsi cukup jelas, itu harus membantu besar.

Model 1adalah model yang tidak dibatasi yang mencakup ketentuan kausal Granger.
Model 2adalah model terbatas di mana istilah kausal Granger dihilangkan.
Tes ini adalah tes Wald yang menilai apakah menggunakan pembatasan Model 2di tempat Model 1masuk akal secara statistik (secara kasar).

Anda menginterpretasikan hasil sebagai berikut:

• jika (di mana adalah tingkat signifikansi yang Anda inginkan), Anda menolak hipotesis nol tanpa kausalitas Granger. Ini menunjukkan bahwa terlalu ketat dibandingkan dengan .Pr(>F)$< \alpha$$\alpha$Model 2Model 1
• Jika ketidaksetaraan dibalik, Anda tidak menolak hipotesis nol karena yang kaya lebih Model 1disukai daripada yang dibatasi Model 2.

Catatan: Anda mengatakan kami sedang memeriksa untuk melihat apakah satu variabel dapat digunakan untuk memprediksi yang lain .
Sebuah pernyataan yang lebih tepat akan kita memeriksa untuk melihat apakah termasuk berguna untuk memprediksi ketika 's sejarah sendiri sudah digunakan untuk prediksi. $x$$y$$y$Artinya, jangan lewatkan fakta harus berguna di luar (atau tambahan untuk) sejarah .$x$$y$