Supponi di avere due vettori
Poiztnon si Granger causaytseE(yt|F1,t-1)=E(yt|F2,t-1), ovveroznon può aiutare a prevedere
F1,tF2,t=(yt,yt−1,yt−2,...)=(yt,zt,yt−1,zt−1,...)
ztytE(yt|F1,t−1)=E(yt|F2,t−1)zt . Così il termine Granger "causalità" è un po 'fuorviante perché se una variabile
A è utile in previsione un'altra variabile
B questo non implica che
A effettivamente provoca
B . Vedi ad esempio la discussione in
Hansen (2014)ytABAB (p. 319).
Come esempio stupido, la mattina appena prima che il sole sorga il gallo canterà. Se esegui un test di causalità Granger su una serie di corvi gallo e il sorgere del sole, scoprirai che il corvo del gallo fa sorgere il sole. Ma allora questo non può davvero essere davvero una relazione causale. La ragione per cui ho etichettato questo esempio come "stupido" è fornita nel commento accurato di Hao Ye. L'esempio è utile per illustrare il motivo per cui un evento Granger può causarne un altro, ma in realtà non lo causa nel senso che i microeconometrici comprendono la causalità.
La causalità nella microeconometria si basa principalmente sul quadro dei risultati potenziali di Donald Rubin (vedi Angrist, Imbens e Rubin (1996) ). Dalla domanda sembra che tu abbia letto Mostly Harmless Econometrics, quindi presumo che tu abbia familiarità con quale tipo di effetti causali stimano i diversi metodi come IV, differenze nelle differenze, matching o regressione. Ad ogni modo, non esiste alcun legame diretto tra questi metodi microeconomici di stima degli effetti causali e la causalità di Granger per il semplice fatto che la causalità di Granger non è in realtà causalità.
Nelle recenti applicazioni della differenza nelle differenze (DiD), l'idea della causalità di Granger viene utilizzata per valutare se ci sono effetti anticipatori o ritardati del trattamento. Per il solito modello DiD che puoi trovare in Mostly Harmless Econometrics (capitolo 5, p. 237):
dove in questo esempio gli indici i , s e t sono per ristoranti, stati e tempo, mentre
Yist=γs+λt+βDs,t+X′istπ+ϵist
ist è un manichino uguale a uno per i ristoranti del gruppo di controllo dopo il trattamento. Dato che
D s t cambia in momenti diversi in stati diversi, è possibile verificare se
D s t ha importanza nel predire il risultato, mentre in futuro
D s t no. L'idea è che se ci sono effetti anticipatori, l'effetto del trattamento stimato nella normale impostazione DiD sottostimerà l'effetto totale. Allo stesso modo lo sbiadimento di un effetto terapeutico nel tempo potrebbe essere interessante. Puoi valutarlo includendo
K lead e
M lag che cattureranno rispettivamente gli effetti del trattamento anticipato e ritardato nel modello:
DstDstDstDstKM
Un'applicazione di questo è fornita nel tuo libro di testo nelle pagine seguenti usando uno studio di
Autor (2003)Yist=γs+λt+∑m=0Mβ−mDs,t−m+∑k=1Kβ+kDs,t+k+X′istπ+ϵist
che ha valutato gli effetti anticipatori / ritardati di una maggiore protezione dell'occupazione sull'uso da parte delle imprese di lavoratori temporanei.
Questa idea raccoglie l'argomentazione contenuta nella risposta di coffeinjunky. Quando possiamo già affermare in modo credibile che esiste un effetto causale, possiamo usare l'idea della causalità di Granger per esplorare ulteriormente l'effetto come fa Autor (2003). Non può essere usato per dimostrarlo.