Python中的Toda-Yamamoto Granger因果检验

Question

我正在尝试使用两个系列之间的Python statsmodels执行Granger因果关系测试的Toda-Yamamoto过程，包括股价和利率。该过程在此处明确说明：https://davegiles.blogspot.com/2011/04/testing-for-granger-causality.html 问题是我找不到在Statmodels Var中为外生变量获得不同的滞后长度的方法。任何帮助将不胜感激！

Answer 1

AFAIK，statsmodels VAR不允许进行任意瓦尔德测试。 VAR主要以模型特定的方式实现，而仅部分遵循statsmodels标准模式。

VARMAX是一种状态空间模型，它允许VARX作为特殊情况，并具有通常的结果方法，并且应该允许用户指定的wald测试。

专门针对（共）集成系统中的格兰杰因果关系：

statsmodels从0.9开始也有一个VECM模型（对于1级积分的变量），其中包括格兰杰因果关系检验。 AFAICS，它在辅助VAR中使用了一个额外的滞后进行Wald测试，并针对Luetkepohl的JMulti进行了单元测试。

通常的警告：由于VECM是statsmodel的最新添加，因此尽管针对JMulti的单元测试覆盖率相对较高，但在尚未使用太多的零件中仍可能存在问题。