计量经济学能说明因果关系吗

1. 怎样理解计量经济学的重要作用

线性假设是线性模型最基础也是最重要的假设。而之前我们也有提及所谓的简单线性回归也就是指模型仅包含两个变量X和Y。这里的X，Y和观测值并没有关系，只是根据线性模型刻画出的变量之间的关系：Y可以被看作成是一个关于X的单元函数 （比如说小树苗的高度，可以看成是受到施肥量的一个单元函数）。

这一讲比较重要，会涉及一些模型识别的本质，和计量经济的基础概念，可能会讲得比较长一些。我决定把识别估计篇分为两部分，第一部分主要讲识别，第二部分主要讲估计，今天模型识别这一部分主要分为一下几块：

识别的基本概念；
如何理解识别；
存在性；
唯一性；

识别估计篇（一）
识别的概念：
线性假设给模型提供了识别的基础，这里不可避免地我们就要来讲一下识别这个词到底是什么概念。识别这个词可以说是贯穿整个计量经济学的研究，识别这个词许多学过统计的人都有接触过，但是真的问到识别究竟是什么许多人也很难说出一个所以然来，甚至可能许多人会混淆模型“识别”的概念，最常见的两种混淆是：

“模型识别与“模型估计”混淆；
“模型识别”与实证中我们常说的“因果识别”混淆;
“模型识别”究竟是什么？在数理统计中，一旦我们对所观测到的现象建立了概率参数模型，参数模型一旦确定，我们就可以判断模型是否“可识别”。而这里所谓的“可识别”，指的就是不可能存在两组不同的参数使得在两组不同的参数下，我们观察到“等价”的观测值。

2. 计量经济学中，回归与因果的差异是什么

回归分析多用来预测
而因果分析多用来解释现象

3. 计量经济学中Eviews因果检验结果看F值还是Prob怎么看 P值是大于0.05就接受原假设存在非因果关系么急

主要看P值。
但是GRANGER因果检验一般都是以变量相互不具有因果关系为原假设的，这样的原假设下，P值小于0.05就说明具有因果关系。

4. 计量经济学中关于因果关系的定义解释...名词解释...

【因果关系】

是指抄两袭个或两个以上变量在行为机制上的依赖性， 作为结果的变量是由作为原 因的变量所决定的， 原因变量的变化引起结果变量的变化。

因果关系有单向因果关系和互为因果关系之分。

具有因果关系的变量之间一定具有数学上的相关关系。 而具有相关关系的变量之间并不 一定具有因果关系。

5. 计量经济学能证明因果关系吗

1楼的回答正确，将误差的均值进入常数项调整就行，将原式化为yi=a+Bxi+(εi-u),括号内期望为0，方差σ^2，将u提到常数项处，就得yi=(a-u)+Bxi+εi

6. 计量经济学如何解释因果关系

使用格兰杰因果检验

7. 计量经济学只有存在因果关系能建立模型么

对 没有因果关系的变量做线性回归是没有意义的，因为它们之间根本没有解释能力，回归出来的是虚假的关系。

8. 计量经济学的重要性

不知道有没有用，就网络里面的...

第一个点是，以佛里德曼为代表的经济学研究方法论，即“前提不重要，推论过程也不重要，重要的是结论符合现实”。这种方法，本质上就是把计量本身，认定是可以脱离理论，或者说认定计量本身可以推出理论。而不是说在理论的指导下进行计量。我想，经济学方法论争执得那么多，这个背景，他应该也了解吧？当时在南大BBS上，关于可证伪性的争论那么火热，不就是围绕这个问题么？我记得当时南大经济学论坛的进版画面有一句话，大意是说越有效的理论，其前提越是不符合现实的。所以，在这样的经济学研究方法下，我对计量进行批评，不可谓说是轻率的。
第二个点是，随着计量技术的进一步提高，计量本身也在开始神秘化。例如协整理论。不少介绍都说协整理论可以从数据自身推导出理论联系，判断变量的长期关系或者短期关系，认为“经典的计量经济学模型是以某种经济理论或对经济行为的认识来确立模型的理论关系形式，而协整则是从经济变量的数据中所显示的关系出发，确定模型包含的变量和变量之间的理论关系。这是20世纪80年代以来计量经济学模型理论的一个重大发展”。而我在这点上所作的努力是告诉大家：无论计量怎么发展，它都没有超越经典计量模型所受到的局限，不可能比经典计量更高明，其与理论的关系，不可能比经典计量有更大突破。计量只不过是起对数据进行排列组合，来看这些组合中是否凑巧给出理论启示，或者看其是否符合理论的结果。神秘化的计量理论，注定是占星术。
第三个点是，我既然对西方经济学特别是宏观经济学部分的理论大部分进行否定，那就意味着我根本不承认其理论的正确性。而其理论的正确性被否认，则其理论指导下的计量模型，就失去价值而变得毫无意义。因此，我对西方经济学计量的批判，最大的基础来自对西方经济学理论的批判。当我认为西方经济学理论本身不能成立的时候，我自然会说其建立的计量模型及其结论，无论其可信度为多少，都毫无意义。因此，猪头非恐怕得首先为西方经济学的那些理论进行辩护。
最后还要补充一点：即使给定正确的理论，然后使用计量来检验或者预测某些细微性质，我也不认为计量就是很好的办法。相反，计量结果的统计特性，遗漏了很多图形本身的重要性质。计量所得出的结论，往往反而掩盖了事实真相。因此，除非作为辅助工具，或者不得已，我宁愿直接去看图形本身，并对图形的各个阶段或者整体，进行物理化的分析，而不是进行计量分析。只有这样，才能尽可能完全地解读图形性质。
至于猪头非同学说：“如果非要拿这个例子比喻计量的话，你要是能知道走过的轨迹是什么模样，就已经相当了不起了。况且，计量要研究的还不止是什么形状，还要研究这个形状的具体参数，比如弧度多少，半径多少等等，这就更不容易了。中级计量班的学期论文如果能够对“走过的轨迹”有令人信服的分析和描绘，就已经圆满地完成任务了。”
我的回答其实很简单：1、要知道走过的轨迹是什么模样，这恰恰是理论分析，而不是计量。你必须先通过理论分析，获得轨迹的种类信息，然后才谈的上通过计量获得具体参数。2、所谓半径这些概念，是在假定轨迹为圆形的假设下才有的参数。如果只是局部数据接近半圆，但是未知数据部分根本就不是圆，何来半径之说？你根据已有数据计算出来的半径，有什么意义呢？3、中级计量班的学期论文能够对走过的轨迹进行分析，你加了个“令人信服”，这四个字说明了理论还是第一的。否则，你怎么“令人信服”地说既有数据一定是圆的一部分？这样，即使中级计量班毕业成绩比较好看，在现实中，仍然不能解决任何问题，相反只是误导问题而已。
至于猪头非最后说宏观经济预测得准——他说即使没有理论依据。这个恐怕就是一厢情愿了吧？在宏观经济中，我还没有看到西方经济的哪个理论能以较大概率预测准的。他可以列举例子，不管老宋也好还是其它人也好，给出预测的文章、日期，然后给出被预测实现的经济数据。
要是这么容易被预测准，而且是在啥都不知道的情况下预测准，就不会有那么一大群经济学家在指点江山后被大众臭骂，然后万分委屈地说：“经济学只能用来解释世界，不能用来预测世界”。

9. 计量回归 在什么情况下可以解释因果关系

单位根检验、协整检验和格兰杰因果关系检验三者之间的关系实证检验步骤：先做单位根检验，看变量序列是否平稳序列，若平稳，可构造回归模型等经典计量经济学模型；若非平稳，进行差分，当进行到第i次差分时序列平稳，则服从i阶单整（注意趋势、截距不同情况选择，根据P值和原假设判定）。若所有检验序列均服从同阶单整，可构造VAR模型，做协整检验（注意滞后期的选择），判断模型内部变量间是否存在协整关系，即是否存在长期均衡关系。如果有，则可以构造VEC模型或者进行Granger因果检验，检验变量之间“谁引起谁变化”，即因果关系。一、讨论一 、单位根检验是序列的平稳性检验，如果不检验序列的平稳性直接OLS容易导致伪回归。 、当检验的数据是平稳的（即不存在单位根），要想进一步考察变量的因果联系，可以采用格兰杰因果检验，但要做格兰杰检验的前提是数据必须是平稳的，否则不能做。 、当检验的数据是非平稳（即存在单位根），并且各个序列是同阶单整（协整检验的前提），想进一步确定变量之间是否存在协整关系，可以进行协整检验，协整检验主要有EG两步法和JJ检验A、EG两步法是基于回归残差的检验，可以通过建立OLS模型检验其残差平稳性B、JJ检验是基于回归系数的检验，前提是建立VAR模型（即模型符合ADL模式） 、当变量之间存在协整关系时，可以建立ECM进一步考察短期关系，Eviews这里还提供了一个Wald－Granger检验，但此时的格兰杰已经不是因果关系检验，而是变量外生性检验，请注意识别二、讨论二 、格兰杰检验只能用于平稳序列！这是格兰杰检验的前提，而其因果关系并非我们通常理解的因与果的关系，而是说x的前期变化能有效地解释y的变化，所以称其为“格兰杰原因”。 、非平稳序列很可能出现伪回归，协整的意义就是检验它们的回归方程所描述的因果关系是否是伪回归，即检验变量之间是否存在稳定的关系。所以，非平稳序列的因果关系检验就是协整检验。 、平稳性检验有 个作用： ）检验平稳性，若平稳，做格兰杰检验，非平稳，作协正检验。 ）协整检验中要用到每个序列的单整阶数。 ）判断时间学列的数据生成过程。三、讨论三其实很多人存在误解。有如下几点，需要澄清：第一，格兰杰因果检验是检验统计上的时间先后顺序，并不表示而这真正存在因果关系，是否呈因果关系需要根据理论、经验和模型来判定。第二，格兰杰因果检验的变量应是平稳的，如果单位根检验发现两个变量是不稳定的，那么，不能直接进行格兰杰因果检验，所以，很多人对不平稳的变量进行格兰杰因果检验，这是错误的。第三，协整结果仅表示变量间存在长期均衡关系，那么，到底是先做格兰杰还是先做协整呢？因为变量不平稳才需要协整，所以，首先因对变量进行差分，平稳后，可以用差分项进行格兰杰因果检验，来判定变量变化的先后时序，之后，进行协整，看变量是否存在长期均衡。第四，长期均衡并不意味着分析的结束，还应考虑短期波动，要做误差修正检验。

10. 证明变量之间的因果关系用什么检验

因果关系检验。

经济学家开拓了一种可以用来分析变量之间的因果的办法，即格兰杰因果关系检验。该检验方法为2003年诺贝尔经济学奖得主克莱夫·格兰杰（Clive W． J． Granger）所开创，用于分析经济变量之间的因果关系。

①格兰杰因果关系检验只适用于时间序列数据，他的哲学思想是原因一定早先于结果发生；

②检验结果对变量滞后期长度非常敏感，滞后期长度不同，结果可能截然相反。所以，有些时候，我们可能不得不采用赤池或施瓦茨信息准则来选择合适的滞后期长度；

③进入检验的误差项必须是不相关的，若出现相关性，可能需要进行适当的变换；

④被检验变量Y和X必须得是平稳的，非平稳的时间序列是没有太大预测价值的。

(10)计量经济学能说明因果关系吗扩展阅读

相关背景：

格兰杰本人在其2003年获奖演说中强调了其引用的局限性，以及“很多荒谬论文的出现”(Of course, many ridiculous papers appeared)。由于其统计学本质上是对平稳时间序列数据一种预测,仅适用于计量经济学的变量预测,不能作为检验真正因果性的判据。

在时间序列情形下，两个经济变量X、Y之间的格兰杰因果关系定义为：若在包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果，即变量X有助于解释变量Y的将来变化，则认为变量X是引致变量Y的格兰杰原因。

进行格兰杰因果关系检验的一个前提条件是时间序列必须具有平稳性，否则可能会出现虚假回归问题。因此在进行格兰杰因果关系检验之前首先应对各指标时间序列的平稳性进行单位根检验(unit root test)。常用增广的迪基—富勒检验(ADF检验)来分别对各指标序列的平稳性进行单位根检验。