Saya mencoba mendidik diri sendiri tentang Granger Causality. Saya sudah membaca posting di situs ini dan beberapa artikel bagus online. Saya juga menemukan alat yang sangat membantu, Bivariate Granger Causality - Kalkulator Statistik Gratis , yang memungkinkan Anda untuk memasukkan deret waktu dan menghitung Granger Stats. Di bawah, adalah output dari data sampel yang disertakan di situs. Saya juga mengambil celah dalam menafsirkan hasil.
Pertanyaan saya:
- Apakah interpretasi saya benar?
- Wawasan kunci apa yang telah saya abaikan?
- Juga apa arti dan interpretasi dari grafik CCF? (Saya berasumsi CCF adalah korelasi silang.)
Berikut adalah hasil dan plot yang saya tafsirkan:
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
Interpretasi saya:
- Tes didasarkan pada 357 poin data dan dilakukan dengan nilai lag 1
- Nilai p 0,0000294 berarti saya dapat menolak hipotesis nol bahwa x tidak menyebabkan y untuk Y = f (x).
- Nilai p dari 0,76 memungkinkan saya untuk menerima nol untuk X = f (Y)
- Fakta bahwa hipotesis pertama ditolak dan diterima kedua adalah hal yang baik
- Saya agak berkarat pada uji-F saya jadi saya tidak benar-benar mengatakan apa-apa untuk saat ini.
- Saya juga tidak yakin bagaimana menafsirkan grafik CCF.
Saya benar-benar menghargai jika ada di antara Anda yang fasih dengan Granger-kausalitas dapat memberi tahu saya jika saya melakukan interpeting dengan benar dan juga mengisi beberapa bagian yang kosong.
Terima kasih atas bantuan Anda.
sumber