Sto cercando di educare me stesso sulla Granger Causality. Ho letto i post su questo sito e molti buoni articoli online. Mi sono anche imbattuto in uno strumento molto utile, il Bivariate Granger Causality - Calcolatore statistico gratuito , che ti consente di inserire le tue serie temporali e calcolare le statistiche di Granger. Di seguito è riportato l'output dei dati di esempio inclusi nel sito. Ho anche preso una crepa nell'interpretazione dei risultati.
Le mie domande:
- La mia interpretazione è direzionalmente corretta?
- Quali approfondimenti chiave ho trascurato?
- Inoltre, qual è il significato e l'interpretazione delle carte CCF? (Suppongo che CCF sia correlazione incrociata.)
Ecco i risultati e le trame che ho interpretato:
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
La mia interpretazione:
- Il test si basava su 357 punti dati ed è stato eseguito con un valore di ritardo pari a 1
- Il valore p di 0,0000294 significa che posso rifiutare l'ipotesi nulla che x non causi y per Y = f (x).
- Il valore p di .76 mi permette di accettare il valore nullo per X = f (Y)
- Il fatto che la prima ipotesi sia stata respinta e la seconda accettata è una buona cosa
- Sono un po 'arrugginito nel mio test F quindi non ho davvero niente da dire su questo per ora.
- Inoltre, non sono sicuro di come interpretare il grafico CCF.
Lo apprezzo molto se qualcuno di voi che è esperto di causalità di Granger potrebbe farmi sapere se lo sto interpretando correttamente e riempire anche alcuni spazi vuoti.
Grazie per l'aiuto.