熊猫格兰杰因果关系

Question

我想使用 Python Pandas 对时间序列数据执行格兰杰因果关系测试，我有两个问题。

(1) 我曾尝试使用该pandas.stats.var软件包，但似乎已弃用。有没有其他推荐的选择？

(2) 我很难解释包中VAR.granger_causality()函数的输出pandas.stats.var。我能找到的唯一参考是源代码中的一条评论：

   Returns the f-stats and p-values from the Granger Causality Test.
   If the data consists of columns x1, x2, x3, then we perform the
   following regressions:
   x1 ~ L(x2, x3)
   x1 ~ L(x1, x3)
   x1 ~ L(x1, x2)
   The f-stats of these results are placed in the 'x1' column of the
   returned DataFrame.  We then repeat for x2, x3.
   Returns
   -------
   Dict, where 'f-stat' returns the DataFrame containing the f-stats,
   and 'p-value' returns the DataFrame containing the corresponding
   p-values of the f-stats.

例如，试运行的输出如下所示：

p-value:
          C         B         A
A   0.472122  0.798261  0.412984
B   0.327602  0.783978  0.494436
C   0.071369  0.385844  0.688292

f-stat:
          C         B         A
A   0.524075  0.065955  0.680298
B   0.975334  0.075878  0.473030
C   3.378231  0.763898  0.162619

我知道p值表中的每个单元格对应f-stat表中的一个单元格，但我不明白f-stat表中的单元格指的是什么。例如，C 列 A 行中的值 0.52 是什么意思？

Answer 1

请记住，最简单形式的格兰杰因果关系由两个回归的 R2 的 F 检验组成：y=const+y[-1]+e 与 y=const+y[-1]+x[-1] +e

以查看第二次回归的 R2 是否更高。另请参阅： http: //www.statisticshowto.com/granger-causality/