Granger Nedensellik Testi
Granger Causality Test · Ayrıca şöyle bilinir: Granger causality test, Granger non-causality test, predictive causality test, Granger Nedensellik Testi
Granger nedensellik testi, Clive W. J. Granger tarafından 1969'da tanıtılmış olup, bir zaman serisinin geçmiş değerlerinin, ikincisinin kendi geçmişinin açıkladığının ötesinde başka bir seriyi tahmin etmeye yardımcı olup olmadığını değerlendirir. Nedenselliği yapısal veya fiziksel bir neden yerine kesinlikle öngörüsel bir anlamda tanımlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+11 tane daha
Ne zaman kullanılır
Granger nedensellik testini, bir serinin diğerine göre öngörüsel önceliğe sahip olup olmadığını bilmek istediğinizde, en az yaklaşık 40 gözlemle sürekli zaman serisi (veya panel) verileri üzerinde kullanın. Serilerin durağan olmasını gerektirir, bu genellikle bir ADF veya PP birim kök testi ile doğrulanır ve genellikle vektör otoregresyonu (VAR) uydurmanın bir takibi olarak çalıştırılır, bu da gecikmeli yapıyı sağlar. Durağan olmayan seriler için uygun değildir, çünkü bu durumda sahte nedensellik üretir, ne de çok kısa seriler için, çünkü gecikme yapısı güvenilir bir şekilde tahmin edilemez.
Güçlü yönler & sınırlılıklar
- İki zaman serisi arasındaki öngörüsel önceliğin resmi, test edilebilir bir tanımını sağlar.
- Vektör otoregresyonu (VAR) çerçevesi aracılığıyla çok değişkenli ayarlara doğal olarak genişler.
- Verilerin normal dağılımlı olmasını gerektirmez.
- Sadece öngörüsel önceliği yakalar, gerçek yapısal veya fiziksel nedenselliği değil.
- Durağan olmayan serilerde sahte (yanlış) nedensellik üretir, bu nedenle önce durağanlık sağlanmalıdır.
- Kısa zaman serilerinde (n < 40) gecikme yapısı güvenilir bir şekilde tahmin edilemez ve testin gücü düşüktür.
SSS
Granger nedenselliği x'in y'ye neden olduğunu kanıtlar mı?
Hayır. Sadece x'in geçmişinin, y'nin kendi geçmişinin ötesinde y'yi tahmin etmeye yardımcı olduğunu gösterir — bu, gerçek bir yapısal veya fiziksel nedene değil, öngörüsel öncelik ve öngörülebilirlik hakkında bir ifadedir.
Serilerin neden durağan olması gerekiyor?
Durağan olmayan serilerde test, gerçek öngörüsel bağlantılar yerine ortak trendlerden kaynaklanan sahte nedenselliği işaret etme eğilimindedir. Önce bir ADF veya PP birim kök testi ile durağanlığı doğrulayın; seriler entegre ise, onları farklandırın veya bunun yerine eşbütünleşmeyi inceleyin.
Kaç gecikme seçeceğimi nasıl belirlerim?
Gecikme uzunluğunu genellikle altta yatan VAR modeli aracılığıyla AIC veya BIC gibi bir bilgi kriteri ile seçin. Keyfi gecikme seçimleri sonucu değiştirebilir ve testin gücünü artırabilir veya azaltabilir.
Örneklemim 40 gözlemden kısaysa ne olur?
Yaklaşık 40 noktadan az olduğunda, gecikme yapısı güvenilir bir şekilde tahmin edilemez ve testin gücü düşüktür. Sonuçlara varmadan önce bir VAR modeli uydurmayı veya daha fazla veri toplamayı düşünün.
Kaynaklar
- Granger, C. W. J. (1969). Investigating Causal Relations by Econometric Models and Cross-spectral Methods. Econometrica, 37(3), 424-438. DOI: 10.2307/1912791 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Granger Causality Test. ScholarGate. https://scholargate.app/tr/econometrics/granger-causality
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- ARDL sınır testi (Pesaran sınır testi)Ekonometri↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Vektör Otoregresyon (VAR) ModeliEkonometri↔ karşılaştır
- Vektör Hata Düzeltme Modeli (VECM)Ekonometri↔ karşılaştır