변수 간의 인과관계를 입증하기 위해 어떤 테스트를 사용하나요?

인과관계 검증.

경제학자들은 변수 간의 원인과 결과를 분석하는 데 사용할 수 있는 방법, 즉 그랜저 인과성 검정을 개발했습니다. 이 테스트 방법은 2003년 노벨 경제학상 수상자 Clive W. J. Granger가 창안한 것으로, 경제 변수 간의 인과 관계를 분석하는 데 사용됩니다.

① 그랜저 인과성 검정은 시계열 데이터에만 적용할 수 있습니다. 그의 철학적 생각은 원인이 효과보다 먼저 발생해야 한다는 것입니다.

II 테스트 결과는 시간의 길이에 매우 민감합니다. 가변적인 지연 기간, 지연 기간의 길이가 다른 경우 결과는 완전히 반대가 될 수 있습니다. 따라서 때로는 적절한 시차 기간을 선택하기 위해 Akaike 또는 Schwartz 정보 기준을 사용해야 할 수도 있습니다.

3테스트에 입력되는 오류 항은 상관 관계가 발생하면 적절한 변환이 필요할 수 있습니다.

4테스트된 변수 Y와 X는 고정되어 있어야 하며, 고정되지 않은 시계열은 예측 가치가 많지 않습니다.

추가 정보

관련 배경:

2003년 수락 연설에서 Granger 자신은 인용의 한계와 "우스꽝스러운 논문이 많다"고 강조했습니다. 물론 우스꽝스러운 논문도 많이 나왔다. 통계는 본질적으로 고정된 시계열 데이터에 대한 예측이기 때문에 계량경제적 변수 예측에만 적합하며 실제 인과관계를 테스트하는 기준으로 사용할 수 없습니다.

시계열의 경우 두 경제변수 X와 Y 사이의 Granger 인과관계는 다음과 같이 정의됩니다. 변수 X와 Y의 과거 정보가 포함되면 예측 효과가 예측 효과보다 좋습니다. Y의 과거 정보에만 기초한 Y의 예측, 즉 변수 X는 변수 Y의 미래 변화를 설명하는 데 도움이 되며 변수 X는 변수 Y의 Granger 원인으로 간주됩니다.

Granger 인과성 테스트의 전제 조건은 시계열이 고정되어 있어야 한다는 것입니다. 그렇지 않으면 가짜 회귀 문제가 발생할 수 있습니다. 따라서 Granger 인과성 검정을 수행하기 전에 먼저 각 지표 시계열의 정상성에 대한 단위근 검정을 수행해야 합니다. ADF 테스트(Augmented Dickey-Fuller 테스트)는 일반적으로 각 표시 시퀀스의 정상성에 대한 단위근 테스트를 수행하는 데 사용됩니다.

바이두 백과사전-인과성 테스트