ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 12ο



Σχετικά έγγραφα
Αν έχουμε δύο μεταβλητές Χ και Υ και σύμφωνα με την οικονομική θεωρία η μεταβλητή Χ προσδιορίζει τη συμπεριφορά της Υ το ερώτημα που τίθεται είναι αν

Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις)

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 10ο

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Συνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος

ΜΑΘΗΜΑ 3ο. Βασικές έννοιες

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική

Διαχείριση Υδατικών Πόρων

ΟΙΚΟΝΟΜΕΤΡΙΑ. Β μέρος: Ετεροσκεδαστικότητα. Παπάνα Αγγελική

Επαυξημένος έλεγχος Dickey - Fuller (ADF)

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

ΟΙΚΟΝΟΜΕΤΡΙΑ. Η μέθοδος των βοηθητικών μεταβλητών. Παπάνα Αγγελική

Χ. Εμμανουηλίδης, 1

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 4ο

Ογενικός(πλήρης) έλεγχος των Dickey Fuller

Εισόδημα Κατανάλωση

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100

Στασιμότητα χρονοσειρών Νόθα αποτελέσματα-spurious regression Ο έλεγχος στασιμότητας είναι απαραίτητος ώστε η στοχαστική ανάλυση να οδηγεί σε ασφαλή

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 11ο

Πολλαπλή παλινδρόμηση (Multivariate regression)


ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική

Είδαµε στο προηγούµενο κεφάλαιο ότι, όταν τα δεδοµένα που χρησιµοποιούνται σε ένα υπόδειγµα, δεν προέρχονται από στάσιµες χρονικές σειρές έχουµε το

Συνολοκλήρωση και VAR υποδείγματα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 8ο

Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής

ΟΙΚΟΝΟΜΕΤΡΙΑ. Ενότητα 2: Παλινδρόμηση. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)

Παραβίασητωνβασικώνυποθέσεωντηςπαλινδρόμησης (Violation of the assumptions of the classical linear regression model)

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

Απλή Παλινδρόμηση και Συσχέτιση

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. Α μέρος: Πολυσυγγραμμικότητα. Παπάνα Αγγελική

Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)

ΜΑΘΗΜΑ 3ο. Υποδείγματα μιας εξίσωσης

Εργαστήριο Οικονομετρίας Προαιρετική Εργασία 2016 Χειμερινό Εξάμηνο

Πρόλογος Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης Αντικείμενο της οικονομετρίας... 21

ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Πολλαπλή παλινδρόµηση. Μάθηµα 3 ο

Διαδικασία Ελέγχου Μηδενικών Υποθέσεων

Απλή Γραμμική Παλινδρόμηση I

Ευαισθησία της γραμμής παλινδρόμησης (Sensitivity of linear regression)

Χρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008

Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις)

Μάθημα 5-6: Στάσιμες πολυμεταβλητές χρονοσειρές και μοντέλα Διασυσχέτιση Διανυσματικά αυτοπαλίνδρομα μοντέλα Δίκτυα από πολυμεταβλητές χρονοσειρές

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

Εφαρμοσμένη Στατιστική

Εφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116)

ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΜΕΣΟΛΟΓΓΙΟΥ ΣΧΟΛΗ ΙΟΙΚΗΣΗΣ & ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΕΦΑΡΜΟΓΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΤΗ ΙΟΙΚΗΣΗ ΚΑΙ ΣΤΗΝ ΟΙΚΟΝΟΜΙΑ

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017

ΟΙΚΟΝΟΜΕΤΡΙΑ. σε μη γραμμικές μορφές. Παπάνα Αγγελική

Ελένη Κανδηλώρου Αναπλ. Καθηγήτρια. Γραμμικά Μοντέλα. Λύσεις Ασκήσεων

ΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 5: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΟΙΚΟΝΟΜΕΤΡΙΑ (Ι)

Εξέταση Φεβρουαρίου (2011/12) στο Μάθηµα: Γεωργικός Πειραµατισµός. Ζήτηµα 1 ο (2 µονάδες) Για κάθε λανθασµένη απάντηση δεν λαµβάνεται υπόψη µία σωστή

Οικονομετρία. Απλή Παλινδρόμηση Βασικές έννοιες και τυχαίο σφάλμα. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης. Διδάσκων: Λαζαρίδης Παναγιώτης

ΟΙΚΟΝΟΜΕΤΡΙΑ Εισαγωγή

ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ

Στατιστική Ι. Ενότητα 4: Στατιστική Ι (4/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΡΩΤΗΣΕΙΣ ΣΤΗΝ ΟΙΚΟΝΟΜΕΤΡΙΑ II ΗΜΗΤΡΙΟΣ ΘΩΜΑΚΟΣ

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 3ο

Οικονομετρία Ι. Ενότητα 9: Αυτοσυσχέτιση. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Οικονομετρία. Εξειδίκευση του υποδείγματος. Προσθήκη άσχετης μεταβλητής και παράλειψη σχετικής. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ

Έλεγχος των Phillips Perron

Απλή Γραμμική Παλινδρόμηση II

Η τελεία χρησιμοποιείται ως υποδιαστολή (π.χ 3 14 τρία κόμμα δεκατέσσερα) Παρακαλώ παραδώστε τα θέματα μαζί με το γραπτό σας ΟΝΟΜΑ: ΕΠΩΝΥΜΟ: ΑΜ:

9. Παλινδρόμηση και Συσχέτιση

Στατιστική Ι (ΨΥΧ-1202) Διάλεξη 7. Στατιστικός έλεγχος υποθέσεων

Οικονομετρία Ι. Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Οικονομετρία Ι. Ενότητα 6: Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: ΔΙΑΛΕΞΗ 04

Οικονομετρία Ι. Ενότητα 10: Διαγνωστικοί Έλεγχοι. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Εργαστήριο Μαθηματικών & Στατιστικής 2η Πρόοδος στο Μάθημα Στατιστική 28/01/2011 (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) 1ο Θέμα [40] α) στ) 2ο Θέμα [40]

Χρονικές σειρές 8 Ο μάθημα: Μοντέλα κινητού μέσου

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ ΠΡΩΤΟ

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Προσοχή: Για κάθε λανθασµένη απάντηση δεν θα λαµβάνεται υπόψη µία σωστή

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ& ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

ΟΙΚΟΝΟΜΕΤΡΙΑ. Έλεγχοι σταθερότητας των συντελεστών. Παπάνα Αγγελική

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

Transcript:

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 12ο

ΑΙΤΙΟΤΗΤΑ Ένα από τα βασικά προβλήματα που υπάρχουν στην εξειδίκευση ενός υποδείγματος είναι να προσδιοριστεί η κατεύθυνση που μία μεταβλητή προκαλεί μία άλλη σε μία εξίσωση παλινδρόμησης. Με άλλα λόγια κατά πόσο μία μεταβλητή αιτιάζει μία άλλη ή αιτιάζεται από αυτή ή και είναι ανεξάρτητη από τις άλλες. Στην οικονομική επιστήμη μία τέτοια σχέση είναι σχεδόν αδύνατο να καθοριστεί εκ των προτέρων. Για το λόγο αυτό στα οικονομικά πολλές φορές θεωρούμε εκ των προτέρων δεδομένη μία συγκεκριμένη σχέση αιτίου και αποτελέσματος προκειμένου να εφαρμόσουμε τις κλασικές οικονομετρικές μεθόδους εκτίμησης ενός υποδείγματος.

Αν έχουμε δύο μεταβλητές Χ και Υ και σύμφωνα με την οικονομική θεωρία η μεταβλητή Χ προσδιορίζει τη συμπεριφορά της Υ το ερώτημα που τίθεται είναι αν πράγματι μια τέτοια σχέση υπάρχει. Η διαδικασία που κάνουμε για να απαντήσουμε στο ερώτημα αυτό είναι να παλινδρομήσουμε τη μεταβλητή Υ πάνω στη Χ χρησιμοποιώντας τα δεδομένα που έχουμε και να ελέγξουμε τη στατιστική σημαντικότητα του συντελεστή Χ. Η ύπαρξη υψηλής συσχέτισης μεταξύ δύο μεταβλητών δεν αποτελεί σε καμία περίπτωση και απόδειξη ότι υπάρχει μία σχέση αιτιότητας μεταξύ των μεταβλητών που μελετάμε. Τα προβλήματα με τις φαινομενικές (νόθες) συσχετίσεις παρουσιάζονται πολύ συχνά ακόμη και σε δυναμικά υποδείγματα.

Οι δυσκολίες του καθορισμού μίας σχέσης αιτιότητας μεταξύ των οικονομικών μεταβλητών οδήγησαν τον Granger (1969) στην ανάπτυξη της οικονομικής έννοιας της αιτιότητας γνωστής ως «αιτιότητα κατά Granger» (Granger Causality). Γενικά, θα λέμε ότι μία μεταβλητή Χ αιτιάζει κατά Granger μία άλλη Υ, αν όλη η πρόσφατη και προηγούμενη πληροφόρηση γύρω από τις τιμές της μεταβλητής αυτής βοηθούν στην καλύτερηπρόβλεψητωντιμώντηςυ. Ετσι, σύμφωνα με τον ορισμό του Granger, η μεταβλητή Χ αιτιάζει την Υ αν η πρόβλεψη της Υ για μία περίοδο στο μέλλον, που προέκυψε με βάση όλη την προηγούμενη πληροφόρηση έχει μικρότερο μέσο σφάλμα τετραγώνου από την πρόβλεψη του Υ που γίνεται με βάση όλη την προηγούμενη πληροφόρηση πλην εκείνης που αφορά τη μεταβλητή Χ.

Έλεγχος αιτιότητας κατά Granger Ο πιο γνωστός έλεγχος για την κατεύθυνση της αιτιότητας είναι αυτός που προτάθηκε από τον Granger. Ο έλεγχος αυτός βασίζεται στο συλλογισμό ότι το μέλλον δεν μπορεί να προκαλέσει το παρόν ή το παρελθόν. Σε υποδείγματα της οικονομετρίας η σχέση αιτίας αιτιατού (αιτιότητα) είναι δεδομένη εκ των προτέρων (a priori). Ο έλεγχος για τη διαπίστωση της αιτιότητας κατά Granger είναι ο ακόλουθος: Έστω ότι έχουμε δύο χρονικές σειρές Y t και X t και τα παρακάτω υποδείγματα:

Y t X t = μ = ϕ m m 0 + α iyt i + β i Xt i + i= 1 i= 1 m m 0 + γ iyt i + δi X t i + i= 1 i= 1 u e t t όπου m είναι το μέγεθος των χρονικών υστερήσεων. Στο πρώτο υπόδειγμα υποθέτουμε ότι οι τρέχουσες τιμές της μεταβλητής Υ είναι συνάρτηση των τιμών της σε προηγούμενες περιόδους, καθώς και των προηγούμενων περιόδων των τιμών της μεταβλητής Χ. Στο δεύτερο υπόδειγμα υποθέτουμε ότι οι τρέχουσες τιμές της μεταβλητής Χ είναι συνάρτηση των τιμών με τις προηγούμενες τιμές της μεταβλητής Υ και με τις προηγούμενες τιμές της ίδιας μεταβλητής. Υποθέτουμε επίσης ότι οι διαταρακτικοί όροι u t και e t στα δύο παραπάνω υποδείγματα δεν συσχετίζονται.

Με βάση τα δύο παραπάνω υποδείγματα μπορούμε να έχουμε τις παρακάτω περιπτώσεις: Αν οι συντελεστές β i των μεταβλητών Χ t-i στην πρώτη συνάρτηση είναι στατιστικά σημαντικοί (διάφοροι του μηδέν), ενώ οι συντελεστές γ i τωνμεταβλητώνυ t-i στη δεύτερη συνάρτηση δεν είναι στατιστικά σημαντικοί (ίσοι του μηδέν), τότε υπάρχει αιτιότητα κατά Granger από τη μεταβλητή Χ προς τη μεταβλητή Υ. Δηλαδή, αν {β 1, β 2,.β κ } 0 και {γ 1, γ 2,..γ κ } = 0 τότε υπάρχει μονόδρομη σχέση αιτιότητας από τη μεταβλητή Χ στην μεταβλητή Υ (Χ Υ)

Αν οι συντελεστές β i των μεταβλητών Χ t-i στην πρώτη συνάρτηση δεν είναι στατιστικά σημαντικοί (ίσοι του μηδέν), ενώ οι συντελεστές γ i τωνμεταβλητώνυ t-i στη δεύτερη συνάρτηση είναι στατιστικά σημαντικοί (διάφοροι του μηδέν), τότε υπάρχει μονόδρομη σχέση αιτιότητα κατά Granger από τη μεταβλητή Υ προς τη μεταβλητή Χ. Δηλαδή, αν {β 1, β 2,.β κ }= 0 και {γ 1, γ 2,..γ κ } 0 τότε υπάρχει μονόδρομη σχέση αιτιότητας από τη μεταβλητή Υ στην μεταβλητή Χ (Υ Χ)

Αν οι συντελεστές β i των μεταβλητών Χ t-i στην πρώτη συνάρτηση και γ i τωνμεταβλητώνυ t-i στη δεύτερη συνάρτηση είναι στατιστικά σημαντικοί (διάφοροι του μηδέν), τότε υπάρχει αιτιότητα κατά Granger και προς τις δύο κατευθύνσεις. Δηλαδή, αν {β 1, β 2,.β κ } 0 και {γ 1, γ 2,..γ κ } 0 τότε υπάρχει αμφίδρομη σχέση αιτιότητας (Υ Χ) Αν οι συντελεστές β i των μεταβλητών Χ t-i στην πρώτη συνάρτηση και γ i τωνμεταβλητώνυ t-i στη δεύτερη συνάρτηση δεν είναι στατιστικά σημαντικοί (ίσοι του μηδέν), τότε δεν υπάρχει αιτιότητα κατά Granger Δηλαδή, αν {β 1, β 2,.β κ } = 0 και {γ 1, γ 2,..γ κ } = 0 τότε δεν υπάρχει σχέση αιτιότητας, με άλλα λόγια οι μεταβλητές Χ και Υ είναι ανεξάρτητες.

Οι υποθέσεις αιτιότητας που διαμορφώνονται είναι οι παρακάτω: Η 0 : Η μεταβλητή Χ δεν προκαλεί κατά Granger (δεν αιτιάται) της Υ Ηα: Η μεταβλητή Χ προκαλεί κατά Granger ( αιτιάται) της Υ ή Η 0 : {β 1, β 2,.β κ }= 0 (Η μεταβλητή Χ δεν προκαλεί κατά Granger (δεν αιτιάται) της Υ) Ηα: {β 1, β 2,.β κ } 0 (Η μεταβλητή Χ προκαλεί κατά Granger (αιτιάται) της Υ). Η 0 : Η μεταβλητή Υ δεν προκαλεί κατά Granger (δεν αιτιάται) της Χ Ηα: Η μεταβλητή Υ προκαλεί κατά Granger (αιτιάται) της Χ ή Η 0 : {γ 1, γ 2,.γ κ }= 0 (Η μεταβλητή Υ δεν προκαλεί κατά Granger (δεν αιτιάται) της Χ) Ηα: {γ 1, γ 2,.γ κ } 0 (Η μεταβλητή Υ προκαλεί κατά Granger ( αιτιάται) της Χ).

Στην πράξη, οι έλεγχοι για την ύπαρξη αιτιότητας γίνονται με τη χρήση των υποδειγμάτων VAR. Δηλαδή, γιανααιτιάζειμία μεταβλητή Χ μία άλλη Υ θα πρέπει οι συντελεστές όλων των χρονικών υστερήσεων της Χ στην εξίσωση της Υ να διαφέρουν στατιστικά σημαντικά από το μηδέν, ενώ οι συντελεστές των χρονικών υστερήσεων της Υ στην εξίσωση της Χ να μη διαφέρουν σημαντικά από το μηδέν. Ο έλεγχος αυτός μπορεί να γίνει με το κριτήριο της κατανομής F του Wald (1940) για την από κοινού σημαντικότητα των παραμέτρων των χρονικών υστερήσεων των αντίστοιχων μεταβλητών και δίνεται από τον παρακάτω τύπο: F = ( SSR n R k SSR 2 k SSR U 1 U )

όπου: SSR R = Άθροισμα τετραγώνων των καταλοίπων που προκύπτουν από την εκτίμηση της εξίσωσης με περιορισμό (δηλαδή παλινδρομώντας τη μεταβλητή Χ μόνον πάνω στις υστερήσεις της). SSR U = Άθροισμα τετραγώνων των καταλοίπων που προκύπτουν από την εκτίμηση της εξίσωσης παλινδρόμησης (πλήρη εξίσωση). k= Αριθμός των περιορισμών n= Μέγεθος του δείγματος. Αν η τιμή της κατανομής F είναι μεγαλύτερη από αυτή των πινάκων σε κάποιο επίπεδο σημαντικότητας τότε λέμε ότι η υπόθεση Ηο απορρίπτεται και συμπεραίνουμε ότι οι υστερήσεις της μεταβλητής Χ επηρεάζουν σημαντικά τη συμπεριφορά της Υ. Στη συνέχεια για να συμπεράνουμε ότι η Χ αιτιάζει την Υ μονόδρομα θα πρέπει να ελέγξουμε την αντίστοιχη υπόθεση για τις υστερήσεις της Υ πάνω στη μεταβλητή Χ συγκεκριμένα έχουμε:

Αν F < Fπιν δεχόμαστε την υπόθεση Η 0 δηλαδή η μεταβλητή Χ δεν προκαλεί κατά Granger (δεν αιτιάται) της Υ για την πρώτη συνάρτηση ή η μεταβλητή Υ δεν προκαλεί κατά Granger (δεν αιτιάται) της Χ για τη δεύτερη συνάρτηση. Αν F > Fπιν δεχόμαστε την υπόθεση Ηα δηλαδή η μεταβλητή Χ προκαλεί κατά Granger (αιτιάται) της Υ για τη πρώτη συνάρτηση ή η μεταβλητή Υ προκαλεί κατά Granger ( αιτιάται) της Χ για τη δεύτερη συνάρτηση.