granger（格兰杰）检验最优滞后期的确定.pdfVIP

海纳百川，有容乃大；壁立千仞，无欲则刚。——林则徐

笔者作为一个今年刚毕业的金融系研究生，经历了痛苦的写论文过程，其中以数据处理中的

格兰杰因果检验最为让人头疼。格兰杰检验（grangertest）最难的部分在于确定最优滞后期。

我当时上网查遍，包括人大经济论坛等组织给出来的都是些模糊的话语：根据AIC、SIC信

息准则确定。可是我当时想，AIC、SIC信息准则是回归或者方程组模型中才有的东西。我

们知道，做granger检验的目的就是为了看时间序列是否存在因果关系，把存在granger因

果关系的变量纳入模型中。如今都不知道哪些变量应该进入模型，哪来的AIC和SIC呢？

正所谓，人坑人，坑死人。我就是被这些笼统的话搞得晕头转向。最后我终于领悟了，赶紧

在我忘掉之前与大家分享。

格兰杰检验是检验两个变量之间是否有因果关系的，所以AIC值和SIC值是针对两

个变量单独组成的内生模型而言的。因此，要得到两个变量的格兰杰检验的最优滞后期，就

要对这两个变量建立内生模型，根据模型在不同滞后期下的AIC和SIC值得出最优滞后期。

具体做法截图如下：

首先，在quick菜单里选择ESTIMATEVAR。

然后在弹出的对话框中输入两个变量名称，这里举例的是P和V。Lagintervals那里不

用管，就默认的1和2好了，其表示的意思是考虑滞后1阶和2阶的情况。反正待会是在

还要调整lag的。

海纳百川，有容乃大；壁立千仞，无欲则刚。——林则徐

这时候我们就得到一个两变量的VAR模型的估计结果了。如下：

然后再输出结果的窗口的菜单栏中，选择VIEW的lagstructure里的laglengthcriteria，

意思是滞后期的信息值。

海纳百川，有容乃大；壁立千仞，无欲则刚。——林则徐

这时候会弹出一个小对话框，要你选择所考察的最大滞后阶数。默认是8，就是考虑滞

后1阶到滞后8阶的不同信息值。一般来说，8就够了。一般的经济变量，真要是有因果关

系的，在经过8期都会体现出来了吧。

海纳百川，有容乃大；壁立千仞，无欲则刚。——林则徐

然后出来了我们最想要的结果，滞后1到8阶的信息值。

怎么看这个结果呢？里面给出了多种信息准则的值。各种准则的最优滞后阶数对应的值

后面有个*符号。我们优先比较的是不同滞后阶数以AIC和SIC来衡量的最优滞后阶数。如

果这两个一致，就取他们的一致值，如果不一致，就结合HQ和LR来看。从上面看出，AIC

的最小值是39.89078，SIC的是40.04596.相差不大，但是滞后期一个是4，一个是8。如果

这时候你选8作为最优滞后期，那自然是没有问题的。但是SC的滞后4期是一个极小值，

同事HQ的滞后4期也是极小值，所以我们选滞后4期更符合信息准则的精神。

这里插一句，如果AIC和SIC都是滞后8期最优，说明前面8个值是递减的，而且这

种递减规律可能延伸到8期之后。比如说，如果我们在刚刚的对话框中选择更多的滞后期，

AIC的最优滞后期也许就不是8了。下面这幅度是我选择最大滞后期为16的结果。

海纳百川，有容乃大；壁立千仞，无欲则刚。——林则徐

可以看到，上面有三个信息准则给出的最优滞后期是10，两个给出的是4。从理论上而

言，应该选择10吧。但我有一种说不清的理由去选择4。因为granger最优滞后期的选择上，

各种文献里一般也就选择个1或者2，我们选择4已经是很保守的了，足够判断出他们是否

存在granger因果关系了。如果可以选小的，尽可能选小吧。

Grange