ฉันพยายามที่จะให้ความรู้กับ Granger Causality ฉันได้อ่านโพสต์บนเว็บไซต์นี้และบทความดีๆหลายฉบับทางออนไลน์ ฉันยังเจอเครื่องมือที่มีประโยชน์มากBivariate Granger Causality - เครื่องคำนวณสถิติฟรีที่ให้คุณป้อนอนุกรมเวลาของคุณและคำนวณ Granger Stats ด้านล่างคือผลลัพธ์จากข้อมูลตัวอย่างที่รวมอยู่ในเว็บไซต์ ฉันได้ทำการวิเคราะห์ผลลัพธ์ด้วย
คำถามของฉัน:
- การตีความของฉันถูกต้องในทิศทางหรือไม่?
- ฉันมองข้ามข้อมูลเชิงลึกที่สำคัญอะไร
- ความหมายและการตีความของแผนภูมิ CCF คืออะไร (ฉันสมมติว่า CCF เป็นความสัมพันธ์ข้าม)
นี่คือผลลัพธ์และแผนการที่ฉันตีความ:
Summary of computational transaction
Raw Input view raw input (R code)
Raw Output view raw output of R engine
Computing time 2 seconds
R Server 'Herman Ole Andreas Wold' @ wold.wessa.net
Granger Causality Test: Y = f(X)
Model Res.DF Diff. DF F p-value
Complete model 356
Reduced model 357 -1 17.9144959720894 2.94360540545316e-05
Granger Causality Test: X = f(Y)
Model Res.DF Diff. DF F p-value
Complete model 356
Reduced model 357 -1 0.0929541667364279 0.760632773377753
การตีความของฉัน:
- การทดสอบขึ้นอยู่กับจุดข้อมูล 357 และดำเนินการกับค่าล่าช้าของ 1
- p-value 0.0000294 หมายถึงฉันสามารถปฏิเสธสมมติฐานว่างที่ x ไม่ทำให้ y สำหรับ Y = f (x)
- p-value .76 อนุญาตให้ฉันยอมรับค่าว่างสำหรับ X = f (Y)
- ความจริงที่ว่าสมมติฐานแรกถูกปฏิเสธและยอมรับในลำดับที่สองเป็นสิ่งที่ดี
- ฉันเป็นสนิมเล็กน้อยในการทดสอบ F ของฉันดังนั้นฉันไม่มีอะไรจะพูดเกี่ยวกับเรื่องนี้ในตอนนี้
- ฉันไม่แน่ใจว่าจะตีความกราฟ CCF ได้อย่างไร
ฉันซาบซึ้งจริงๆถ้ามีใครในรอบรู้กับ Granger-causality สามารถบอกให้ฉันรู้ว่าฉันกำลังสอดแทรกสิ่งนี้อย่างถูกต้องและเติมช่องว่างบางส่วน
ขอบคุณสำหรับความช่วยเหลือของคุณ.