計量經濟學能說明因果關系嗎

1. 怎樣理解計量經濟學的重要作用

線性假設是線性模型最基礎也是最重要的假設。而之前我們也有提及所謂的簡單線性回歸也就是指模型僅包含兩個變數X和Y。這里的X，Y和觀測值並沒有關系，只是根據線性模型刻畫出的變數之間的關系：Y可以被看作成是一個關於X的單元函數 （比如說小樹苗的高度，可以看成是受到施肥量的一個單元函數）。

這一講比較重要，會涉及一些模型識別的本質，和計量經濟的基礎概念，可能會講得比較長一些。我決定把識別估計篇分為兩部分，第一部分主要講識別，第二部分主要講估計，今天模型識別這一部分主要分為一下幾塊：

識別的基本概念；
如何理解識別；
存在性；
唯一性；

識別估計篇（一）
識別的概念：
線性假設給模型提供了識別的基礎，這里不可避免地我們就要來講一下識別這個詞到底是什麼概念。識別這個詞可以說是貫穿整個計量經濟學的研究，識別這個詞許多學過統計的人都有接觸過，但是真的問到識別究竟是什麼許多人也很難說出一個所以然來，甚至可能許多人會混淆模型「識別」的概念，最常見的兩種混淆是：

「模型識別與「模型估計」混淆；
「模型識別」與實證中我們常說的「因果識別」混淆;
「模型識別」究竟是什麼？在數理統計中，一旦我們對所觀測到的現象建立了概率參數模型，參數模型一旦確定，我們就可以判斷模型是否「可識別」。而這里所謂的「可識別」，指的就是不可能存在兩組不同的參數使得在兩組不同的參數下，我們觀察到「等價」的觀測值。

2. 計量經濟學中，回歸與因果的差異是什麼

回歸分析多用來預測
而因果分析多用來解釋現象

3. 計量經濟學中Eviews因果檢驗結果看F值還是Prob怎麼看 P值是大於0.05就接受原假設存在非因果關系么急

主要看P值。
但是GRANGER因果檢驗一般都是以變數相互不具有因果關系為原假設的，這樣的原假設下，P值小於0.05就說明具有因果關系。

4. 計量經濟學中關於因果關系的定義解釋...名詞解釋...

【因果關系】

是指抄兩襲個或兩個以上變數在行為機制上的依賴性， 作為結果的變數是由作為原 因的變數所決定的， 原因變數的變化引起結果變數的變化。

因果關系有單向因果關系和互為因果關系之分。

具有因果關系的變數之間一定具有數學上的相關關系。 而具有相關關系的變數之間並不 一定具有因果關系。

5. 計量經濟學能證明因果關系嗎

1樓的回答正確，將誤差的均值進入常數項調整就行，將原式化為yi=a+Bxi+(εi-u),括弧內期望為0，方差σ^2，將u提到常數項處，就得yi=(a-u)+Bxi+εi

6. 計量經濟學如何解釋因果關系

使用格蘭傑因果檢驗

7. 計量經濟學只有存在因果關系能建立模型么

對 沒有因果關系的變數做線性回歸是沒有意義的，因為它們之間根本沒有解釋能力，回歸出來的是虛假的關系。

8. 計量經濟學的重要性

不知道有沒有用，就網路裡面的...

第一個點是，以佛里德曼為代表的經濟學研究方法論，即「前提不重要，推論過程也不重要，重要的是結論符合現實」。這種方法，本質上就是把計量本身，認定是可以脫離理論，或者說認定計量本身可以推出理論。而不是說在理論的指導下進行計量。我想，經濟學方法論爭執得那麼多，這個背景，他應該也了解吧？當時在南大BBS上，關於可證偽性的爭論那麼火熱，不就是圍繞這個問題么？我記得當時南大經濟學論壇的進版畫面有一句話，大意是說越有效的理論，其前提越是不符合現實的。所以，在這樣的經濟學研究方法下，我對計量進行批評，不可謂說是輕率的。
第二個點是，隨著計量技術的進一步提高，計量本身也在開始神秘化。例如協整理論。不少介紹都說協整理論可以從數據自身推導出理論聯系，判斷變數的長期關系或者短期關系，認為「經典的計量經濟學模型是以某種經濟理論或對經濟行為的認識來確立模型的理論關系形式，而協整則是從經濟變數的數據中所顯示的關系出發，確定模型包含的變數和變數之間的理論關系。這是20世紀80年代以來計量經濟學模型理論的一個重大發展」。而我在這點上所作的努力是告訴大家：無論計量怎麼發展，它都沒有超越經典計量模型所受到的局限，不可能比經典計量更高明，其與理論的關系，不可能比經典計量有更大突破。計量只不過是起對數據進行排列組合，來看這些組合中是否湊巧給出理論啟示，或者看其是否符合理論的結果。神秘化的計量理論，註定是占星術。
第三個點是，我既然對西方經濟學特別是宏觀經濟學部分的理論大部分進行否定，那就意味著我根本不承認其理論的正確性。而其理論的正確性被否認，則其理論指導下的計量模型，就失去價值而變得毫無意義。因此，我對西方經濟學計量的批判，最大的基礎來自對西方經濟學理論的批判。當我認為西方經濟學理論本身不能成立的時候，我自然會說其建立的計量模型及其結論，無論其可信度為多少，都毫無意義。因此，豬頭非恐怕得首先為西方經濟學的那些理論進行辯護。
最後還要補充一點：即使給定正確的理論，然後使用計量來檢驗或者預測某些細微性質，我也不認為計量就是很好的辦法。相反，計量結果的統計特性，遺漏了很多圖形本身的重要性質。計量所得出的結論，往往反而掩蓋了事實真相。因此，除非作為輔助工具，或者不得已，我寧願直接去看圖形本身，並對圖形的各個階段或者整體，進行物理化的分析，而不是進行計量分析。只有這樣，才能盡可能完全地解讀圖形性質。
至於豬頭非同學說：「如果非要拿這個例子比喻計量的話，你要是能知道走過的軌跡是什麼模樣，就已經相當了不起了。況且，計量要研究的還不止是什麼形狀，還要研究這個形狀的具體參數，比如弧度多少，半徑多少等等，這就更不容易了。中級計量班的學期論文如果能夠對「走過的軌跡」有令人信服的分析和描繪，就已經圓滿地完成任務了。」
我的回答其實很簡單：1、要知道走過的軌跡是什麼模樣，這恰恰是理論分析，而不是計量。你必須先通過理論分析，獲得軌跡的種類信息，然後才談的上通過計量獲得具體參數。2、所謂半徑這些概念，是在假定軌跡為圓形的假設下才有的參數。如果只是局部數據接近半圓，但是未知數據部分根本就不是圓，何來半徑之說？你根據已有數據計算出來的半徑，有什麼意義呢？3、中級計量班的學期論文能夠對走過的軌跡進行分析，你加了個「令人信服」，這四個字說明了理論還是第一的。否則，你怎麼「令人信服」地說既有數據一定是圓的一部分？這樣，即使中級計量班畢業成績比較好看，在現實中，仍然不能解決任何問題，相反只是誤導問題而已。
至於豬頭非最後說宏觀經濟預測得准——他說即使沒有理論依據。這個恐怕就是一廂情願了吧？在宏觀經濟中，我還沒有看到西方經濟的哪個理論能以較大概率預測準的。他可以列舉例子，不管老宋也好還是其它人也好，給出預測的文章、日期，然後給出被預測實現的經濟數據。
要是這么容易被預測准，而且是在啥都不知道的情況下預測准，就不會有那麼一大群經濟學家在指點江山後被大眾臭罵，然後萬分委屈地說：「經濟學只能用來解釋世界，不能用來預測世界」。

9. 計量回歸 在什麼情況下可以解釋因果關系

單位根檢驗、協整檢驗和格蘭傑因果關系檢驗三者之間的關系實證檢驗步驟：先做單位根檢驗，看變數序列是否平穩序列，若平穩，可構造回歸模型等經典計量經濟學模型；若非平穩，進行差分，當進行到第i次差分時序列平穩，則服從i階單整（注意趨勢、截距不同情況選擇，根據P值和原假設判定）。若所有檢驗序列均服從同階單整，可構造VAR模型，做協整檢驗（注意滯後期的選擇），判斷模型內部變數間是否存在協整關系，即是否存在長期均衡關系。如果有，則可以構造VEC模型或者進行Granger因果檢驗，檢驗變數之間「誰引起誰變化」，即因果關系。一、討論一 、單位根檢驗是序列的平穩性檢驗，如果不檢驗序列的平穩性直接OLS容易導致偽回歸。 、當檢驗的數據是平穩的（即不存在單位根），要想進一步考察變數的因果聯系，可以採用格蘭傑因果檢驗，但要做格蘭傑檢驗的前提是數據必須是平穩的，否則不能做。 、當檢驗的數據是非平穩（即存在單位根），並且各個序列是同階單整（協整檢驗的前提），想進一步確定變數之間是否存在協整關系，可以進行協整檢驗，協整檢驗主要有EG兩步法和JJ檢驗A、EG兩步法是基於回歸殘差的檢驗，可以通過建立OLS模型檢驗其殘差平穩性B、JJ檢驗是基於回歸系數的檢驗，前提是建立VAR模型（即模型符合ADL模式） 、當變數之間存在協整關系時，可以建立ECM進一步考察短期關系，Eviews這里還提供了一個Wald－Granger檢驗，但此時的格蘭傑已經不是因果關系檢驗，而是變數外生性檢驗，請注意識別二、討論二 、格蘭傑檢驗只能用於平穩序列！這是格蘭傑檢驗的前提，而其因果關系並非我們通常理解的因與果的關系，而是說x的前期變化能有效地解釋y的變化，所以稱其為「格蘭傑原因」。 、非平穩序列很可能出現偽回歸，協整的意義就是檢驗它們的回歸方程所描述的因果關系是否是偽回歸，即檢驗變數之間是否存在穩定的關系。所以，非平穩序列的因果關系檢驗就是協整檢驗。 、平穩性檢驗有 個作用： ）檢驗平穩性，若平穩，做格蘭傑檢驗，非平穩，作協正檢驗。 ）協整檢驗中要用到每個序列的單整階數。 ）判斷時間學列的數據生成過程。三、討論三其實很多人存在誤解。有如下幾點，需要澄清：第一，格蘭傑因果檢驗是檢驗統計上的時間先後順序，並不表示而這真正存在因果關系，是否呈因果關系需要根據理論、經驗和模型來判定。第二，格蘭傑因果檢驗的變數應是平穩的，如果單位根檢驗發現兩個變數是不穩定的，那麼，不能直接進行格蘭傑因果檢驗，所以，很多人對不平穩的變數進行格蘭傑因果檢驗，這是錯誤的。第三，協整結果僅表示變數間存在長期均衡關系，那麼，到底是先做格蘭傑還是先做協整呢？因為變數不平穩才需要協整，所以，首先因對變數進行差分，平穩後，可以用差分項進行格蘭傑因果檢驗，來判定變數變化的先後時序，之後，進行協整，看變數是否存在長期均衡。第四，長期均衡並不意味著分析的結束，還應考慮短期波動，要做誤差修正檢驗。

10. 證明變數之間的因果關系用什麼檢驗

因果關系檢驗。

經濟學家開拓了一種可以用來分析變數之間的因果的辦法，即格蘭傑因果關系檢驗。該檢驗方法為2003年諾貝爾經濟學獎得主克萊夫·格蘭傑（Clive W． J． Granger）所開創，用於分析經濟變數之間的因果關系。

①格蘭傑因果關系檢驗只適用於時間序列數據，他的哲學思想是原因一定早先於結果發生；

②檢驗結果對變數滯後期長度非常敏感，滯後期長度不同，結果可能截然相反。所以，有些時候，我們可能不得不採用赤池或施瓦茨信息准則來選擇合適的滯後期長度；

③進入檢驗的誤差項必須是不相關的，若出現相關性，可能需要進行適當的變換；

④被檢驗變數Y和X必須得是平穩的，非平穩的時間序列是沒有太大預測價值的。

(10)計量經濟學能說明因果關系嗎擴展閱讀

相關背景：

格蘭傑本人在其2003年獲獎演說中強調了其引用的局限性，以及「很多荒謬論文的出現」(Of course, many ridiculous papers appeared)。由於其統計學本質上是對平穩時間序列數據一種預測,僅適用於計量經濟學的變數預測,不能作為檢驗真正因果性的判據。

在時間序列情形下，兩個經濟變數X、Y之間的格蘭傑因果關系定義為：若在包含了變數X、Y的過去信息的條件下，對變數Y的預測效果要優於只單獨由Y的過去信息對Y進行的預測效果，即變數X有助於解釋變數Y的將來變化，則認為變數X是引致變數Y的格蘭傑原因。

進行格蘭傑因果關系檢驗的一個前提條件是時間序列必須具有平穩性，否則可能會出現虛假回歸問題。因此在進行格蘭傑因果關系檢驗之前首先應對各指標時間序列的平穩性進行單位根檢驗(unit root test)。常用增廣的迪基—富勒檢驗(ADF檢驗)來分別對各指標序列的平穩性進行單位根檢驗。