Я намагаюся просвітити себе причинності Грейнджера. Я прочитав публікації на цьому сайті та кілька хороших статей в Інтернеті. Я також натрапив на дуже корисний інструмент - « Біваріантна Грінджерська причинність» - Безкоштовний калькулятор статистики , який дозволяє вводити часовий ряд та обчислювати статистику Грейнджера. Нижче наведено вихід із зразкових даних, що містяться на сайті. Я також взяв тріщину в інтерпретації результатів.
Мої запитання:
- Чи правильно моє тлумачення правильне?
- Які ключові уявлення я не помітив?
- Також у чому сенс та інтерпретація графіків CCF? (Я припускаю, що КЧС є перехресною кореляцією.)
Ось результати та сюжети, які я інтерпретував:
Summary of computational transaction
Raw Input view raw input (R code)
Raw Output view raw output of R engine
Computing time 2 seconds
R Server 'Herman Ole Andreas Wold' @ wold.wessa.net
Granger Causality Test: Y = f(X)
Model Res.DF Diff. DF F p-value
Complete model 356
Reduced model 357 -1 17.9144959720894 2.94360540545316e-05
Granger Causality Test: X = f(Y)
Model Res.DF Diff. DF F p-value
Complete model 356
Reduced model 357 -1 0.0929541667364279 0.760632773377753
Моє тлумачення:
- Тест ґрунтувався на 357 точках даних і був проведений зі значенням відставання 1
- Значення р 0,0000294 означає, що я можу відкинути нульову гіпотезу про те, що x для Y = f (x) не викликає y.
- Значення р .76 дозволяє мені прийняти нуль для X = f (Y)
- Справа в тому, що перша гіпотеза була відхилена, а друга - прийнята
- Я трохи іржавий на моєму F-тесті, тому на даний момент я нічого не можу сказати.
- Я також не впевнений, як інтерпретувати графік CCF.
Я дуже ціную це, якщо хтось із вас, хто добре розбирається в грінгер-причинності, міг би повідомити мене, чи правильно я це інтерпретую, а також заповнити деякі пробіли.
Спасибі за вашу допомогу.