statsmodel пакет grangercausalityтесты выходного объяснения? - PullRequest
Новая
       61

statsmodel пакет grangercausalityтесты выходного объяснения?

0 голосов
/ 23 октября 2019

В настоящее время я работаю над проектом, в котором пытаюсь найти доказательства причинно-следственной связи между человеческой деятельностью и глобальным потеплением. Я пытался выполнить тест причинности по Грейнджеру ежегодных выбросов по глобальной температуре после дифференцирования обеих переменных и проверки на наличие единичных корней. 

test = pd.DataFrame({'temp':temperature,'emissions':emissions)
sm.tsa.stattools.grangercausalitytests(test,30)

Может ли кто-нибудь помочь мне лучше понять полученный результат?

Пример вывода для лагов 11 и 14: 

Granger Causality
number of lags (no zero) 11
ssr based F test:         F=1.1019  , p=0.3716  , df_denom=76, df_num=11
ssr based chi2 test:   chi2=15.7887 , p=0.1492  , df=11
likelihood ratio test: chi2=14.6493 , p=0.1991  , df=11
parameter F test:         F=1.1019  , p=0.3716  , df_denom=76, df_num=11

...
number of lags (no zero) 14
ssr based F test:         F=1.2862  , p=0.2394  , df_denom=67, df_num=14
ssr based chi2 test:   chi2=25.8004 , p=0.0274  , df=14
likelihood ratio test: chi2=22.8514 , p=0.0627  , df=14
parameter F test:         F=1.2862  , p=0.2394  , df_denom=67, df_num=14

Когда результаты теста хи-квадрат предпочтительнее, чем тест F? У меня сложилось впечатление, что хи-квадрат предпочтительнее с большим числом лагов, но исходный размер выборки довольно мал (n = 100).

Если нулевая гипотеза теста не является причинностью Грейнджера, я 'Я предполагаю, что согласно критерию хи-квадрат выбросы «гранджер» вызывают глобальное потепление при 95% ДИ при лаге 14? Пожалуйста, поправьте меня, если я ошибаюсь.

1 Ответ

0 голосов
/ 23 октября 2019

Доказательства причинности Грейнджера довольно слабые.

Размер выборки невелик, и тесты chi2 Wald, основанные на асимптотическом распределении, могут быть отклонены. Использование F-распределения во многих случаях имеет лучшие свойства малых выборок, но я не знаю, относится ли это также к тестам причинности Грейнджера, т. Е. К тесту Вальда в векторной авторегрессии.

Кроме того, если мы попробуемнесколько разных лагов, затем мы сталкиваемся с множеством проблем тестирования. Если вы запускаете много тестов, то вы можете найти одно чисто случайное, что важно, если p-значения не исправлены для многократного тестирования.

...