Каузални зависимости


Категория на документа: Икономика


3) k2 е фиксирана и оптималната дължина на лага на зависимата променлива е определена отново: k1
4) ако стойността на информационния критерии включен в 3) стъпка и по-малък от този в 1) стъпка , Х има значително въздействие върху Y. В противен случай се използва унивариантно представяне на Y. Така получаваме модел за Y
5) стъъпките 1) и 4) се повтарят чрез обмен на променливите X и Y. така получаваме модел за Х
6) последната стъпка е да се изчислят двата модела уточнени в стъпки от 1) до 5) и едновременно да се вземе под внимание възможните взаимовръзки между техните остатъци.

4. Тестове за причинност м/у множество временни редове- директна процедура на Granger.

Както е споменато по-горе тази процедура е извлечена директно от дефиницията на Granger за причинно-следствената връзка. Подобно на метода на C.W.J. GRANGER (1969),се използва функция за линейно предсказване. Нека Х и Y са две стационарни променливи. За тест за проста причнинно-следствена връзка от Х до Y е проучено дали изоставащите стойности от Х в регресия на Y на изоставащите стойности на Х и Y значително намалят вариацията на грешката. При използване на OLS, се изчислява следното уравнение:
(2) yt=α0+k=1k1α11 kyt-k+k=k0k2α12kxt-k+u1,t

С k0=1. "F" тест е приложен да тества нулевата хипотеза, Н0: α121=α122=...=α12k2=0. С промяната на Х и Y в (2), може да се тества дали съществува проста причинно-следствена връзка от Y до Х. Има обратна връзка ако нулевата хипотеза е отхвърлена и в двете посоки. За да се тества дали има мигновена причинност накрая поставяме k0=0 във (2) и изпълняваме "t" или "F" тест за нулевата хипотеза: α120=0. Според това, съотвената нулева хипотеза може да се тества за Х. Въпреки ,че нашите данни са базирани на определени примери ние ще получим различни числени стойности за статистическите данни от тестовете. Въпреки това, k1=k2, т.е. ако ние включим същите изоставащи променливи за зависимост както и за пояснителна променлива и в двете тестови уравнения, ние получаваме напълно същите числени стойности за статистическите данни от тестовете. Причината за това е, че "t" или "F" статистик, са функции на частичен коефициент на взаимна връзка между Х и Y. Стойността му не зависи от посоката на регресия; зависи само от съотношението/взаимната връзка между двете променливи и установяването на променливите, които са включени. Ако k1=k2, същите променливи са включени независимо от зависимите променливи.

Един проблем, с този тест е, това че резултатите са строго зависими от номерата на lag-овете на пояснителните променливи, k2. Има зависимост: колкото повече лагнати стойности включим, толкова по-голямо влияние ще имат тези променливи. Това показва висок максимален лаг. От друга страна, силата на този тест, е толкова по-малка, колкото повече лагнати стойности са включени.

Заключение

Използвана литература и източници:

http://www.bnb.bg/

Kirchgässner, Gebhard, Wolters, Jürgen, Hassler,--" Introduction to Modern Time Series Analysis " Uwe 2nd ed. 2013, XII, 319 p. 42 illus.





Сподели линка с приятел:





Яндекс.Метрика
Каузални зависимости 9 out of 10 based on 2 ratings. 2 user reviews.