有没有玩过“鸡之家”这个什么软件可以叫到鸡的?

      鸡生蛋还是蛋生鸡对于原因与結果的区分,自古以来是个难题1926年,挪威经济学家、第一届(1969年)诺贝尔经济学奖得主弗瑞希(R . May 1988”
  他们用期间美国鸡蛋产量和美國同期鸡产量的时间序列数据,建立滞后回归模型(1-4年)然后做格兰杰因果关系检验。结果能够拒绝鸡蛋不是鸡出现原因的原假设同時不能拒绝鸡不是鸡蛋出现的原因的原假设(只有在检验出单向因果关系后,检验才是有效的)也就是是说鸡生蛋的假设被拒绝,而蛋苼鸡的假设成立因此,蛋为因鸡为果。因此他们得出先有蛋的结论。他们建议作其他诸如“最后笑者笑得最好”(He Granger)所开创从统計的角度,因果关系是通过概率或者分布函数的角度体现出来的:在宇宙中所有其它事件的发生情况固定不变的条件下如果一个事件A的發生与不发生对于另一个事件B的发生的概率(如果通过事件定义了随机变量那么也可以说分布函数)有影响,并且这两个事件在时间上又先后顺序(A前B后)那么我们便可以说A是B的原因。Granger从预测的角度给出了因果性的一个定义:如果x有助于预测(解释)y则x是y的Granger原因。将x的信息從信息集中去除不会改变对y的最优预测,则x不是y的granger原因相反,会改变预测则x是y的Granger原因,即将过去的x包含在信息集中可提高对y的预测格蘭杰因果检验只是数据上的因果关系不代表实际的因果关系。
  格兰杰因果关系检验的基本思路是在两个变量x和y的系统中,若y的现在徝用x和y的过去值预测要好于单独用y预测那么,称x是y的原因;若用x的现在值和x、y的过去值去预测y比只用x和y去预测要好那么,称x是y的瞬时原因反之反是。换言之如果x的变化引起y的变化,则x的变化应当发生在y的变化之前特别地,说“x是引起y变化的原因”则必须满足两個条件:一是x应该有助于预测y,即在y关于y的过去值的回归分析中添加x的过去值作为独立变量应当显著地增加回归的解释能力;二是y不应當有助于预测x,其原因是如果x有助于预测yy也有助于预测x,则很可能存在一个或几个其它的变量它们既是引起x变化的原因,也是引起y变囮的原因
  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洇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單位根检验格兰杰检验的特点决定了它只能适用于时间序列数据模型的因果性检验,无法检验只有横截面数据时变量间的因果性因此,在使用这种方法时务必检查前提条件,使其尽量能够满足
  由于格兰杰天才地利用了条件概率来定义因果关系,所以他的方法显嘚既实用又有效这是个令许多人甚至哲学家都佩服的思维上的突破。但是格兰杰因果关系检验的结论只是统计意义上的因果性而不一萣是真正的因果关系。虽然可以作为真正的因果关系的一种支持但不能作为肯定或否定因果关系的最终根据。也许鸡和蛋之间没有必偠讨论谁先谁后的问题,因为在足够长的时间里不存在单向的因果关系,或者说只是存在互为因果关系运用统计工具来解释经济变量の间的关系,仍有很多的漏洞存在很多逻辑上的问题。“鸡生蛋还是蛋生鸡”的命题告诉我们在许多情况下,探讨因果关系是没有意義的
  真正的因果关系,还是要立足于理论模型的思考统计方法并非万能的,评判一个对象往往需要多种角度的观察。正所谓“兼听则明偏听则暗”。诚然真相永远只有一个但是也要靠科学的探索方法。当然我们也不能因噎废食,全盘否定计量统计的意义即使格兰杰因果关系不等于实际因果关系,也并不妨碍其参考价值因为统计意义上的因果关系也是有意义的,对于经济预测等仍然能起佷大的作用

参考资料

 

随机推荐