时间因果模型

所属分类：时间序列分析

这个方法是做什么的

在一个向量自回归框架里，对纳入的每一对变量做双向的格兰杰式检验：控制住结果变量自身的历史以及其余变量的历史之后，原因变量的历史还能不能显著改善预测。与单纯的两两检验相比，它把所有变量放进同一个 VAR，因此“控制其余变量”是真的做到了。

它替你处理三件本来要手动做的事：按 ADF 判断是否非平稳并可自动做一阶差分（开关默认打开）；按 AIC、BIC、HQIC、FPE 中你选定的准则，在最大滞后阶范围内自动定阶；逐方程做 Ljung-Box 残差白噪声检验确认滞后设定够不够。卡④ 给出这个模块相对同族的独有产出——Geweke 线性因果度量 F=ln(σ²受限/σ²完整) 与部分 R²，前者是把“预测误差减少了多少”写成一个可跨数据集比较的数，后者直接是原因变量的历史额外解释的方差比例，并配 BH-FDR 校正。读报告时的着眼点是卡① 的“平稳化处理”那一行：它决定了后面所有结论说的是水平之间还是变化量之间的关系。

需要准备什么数据

• 放入时间序列变量：至少 2 个，定量变量（数值）
• 放入时间变量(可选)（可选）：0~1 个

数据要求

• 数据表至少 29 行。
• 单列缺失率不超过 15%。
• 不接受取值全都一样的列（零方差列没有可分析的变异）。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 三条以上时间序列，想一次筛出所有值得关注的方向性关系
• 不确定该用几阶滞后，希望由信息准则自动决定并留下依据
• 需要在显著性之外报告一个可比较的因果强度指标
• 多方向筛查，需要现成的多重比较校正而不是自己算

前提是观测等间隔、无断档，各序列非常数。行数下限 29 行是按“默认最大 6 阶 + 3 个序列”由 (p_max+1)×(k+1) 算出来的，28 行会被直接拦下；变量更多或滞后阶更大时要照这个公式加行（模块说明里举了 4 个序列 6 阶需 36 行），而要得到可靠的 F 检验仍建议 50 期以上。拖入“时间变量”后模块会按它排序——把演示数据行序打乱重跑，输出逐字不变。

什么时候不要用它

• 只有两条序列、且它们本身就平稳，你要的就是一张最简的双向检验表：用「格兰杰因果检验」，它另外给 Bonferroni 与 BH 两套校正（两条序列非平稳时不适用，见下面“序列非平稳且彼此同阶单整”那一条）。
• 你要的是冲击的传导路径、持续期与方差贡献占比：本模块不给脉冲响应，用「VAR向量自回归模型」。
• 序列非平稳且彼此同阶单整，而长期均衡正是你的研究问题：本模块只会一阶差分，长期均衡信息就此丢掉——用「协整检验」定协整关系个数，再用「ECM模型」刻画短期调整。反过来，只想知道谁领先谁的话不必转走：“非平稳时自动一阶差分”开关默认打开，这类数据直接就能跑（实测三条 I(1) 序列照跑不误，卡① 的“平稳化处理”一行写“全变量一阶差分”），结论说的是变化量之间的领先关系。
• 想估计一次干预的真实因果效应：这里的“因果”只是预测增量，用「双重差分(DID)」或「断点回归(RD)」。
• 只想知道两条序列错开几期最同步：用「互相关分析」。

容易误读的地方

• 模块名里的“因果”是格兰杰意义上的，不是机制意义上的。 卡⑤ 的“解释边界”把话说全了：它既不排除共同的第三方驱动因素，也不排除同期（瞬时）因果，更不能替代随机化实验或结构式识别。把这里的箭头方向直接写成“A 导致 B”，是这个模块最容易被误用的地方；正确的表述是“在控制了各变量的历史之后，A 的历史对 B 具有增量预测力”。
• 自动差分开着的时候，结论的主语会悄悄换掉。 序列非平稳时模块会做一阶差分再检验，此时得到的是“变化量之间的预测关系”，与“水平之间”不是一回事——一个变量的增速能预测另一个的增速，不代表它们的水平有关联。卡① 的“平稳化处理”行会写明是“原序列”还是差分后（演示数据三条序列水平即平稳，因此显示“原序列”）。这一行必须跟着结论一起报告。
• 滞后阶准则不一致时，模块只按你选的那个走，不会提醒你。 卡① 的“VAR 滞后阶数选择”表把 AIC、BIC(SC)、HQIC、FPE 四个推荐值全列出来，演示数据上四者一致给 2 阶。如果它们分散在不同的阶上，说明结论对滞后阶是敏感的，应当在几个候选阶各跑一遍看方向是否稳定，而不是默认接受 AIC 的那一个。
• 残差白噪声检验不通过时，F 统计量会被高估。 卡① 逐方程的 Ljung-Box 就是查这个的，表注写明“残差若仍显著自相关，说明滞后阶数不足，Granger 检验的 F 统计量会被高估”。也就是说，残差不干净时看到的显著多半是滞后阶不够造成的假象，此时该加大最大滞后阶重跑，而不是照抄那张因果表。
• 显著性和强度要分开报，热力图只给前者。 卡③ 的热力图画的是 −log₁₀(p)，颜色深只说明 p 小。演示中“先行指标 → 工业增加值增速”的部分 R²=0.1873（中等），而“先行指标 → 社会消费品零售增速”虽然也显著，部分 R² 只有 0.0945（小）。两条方向在热力图上都是深色，实际强度差一倍有余。

报告里有什么

1. 输出结果一：数据概览与前提检验
2. 输出结果二：Granger 时序因果检验
3. 输出结果三：因果关系可视化
4. 输出结果四：效应量与多重比较校正
5. 输出结果五：结论与学术表述