1 votos

Pruebas de causalidad de Granger en un modelo VAR con retardo cero

¿Está bien tener una longitud de retardo máxima de 0 después de diferenciar las variables (las variables no son estacionarias a nivel)? En caso afirmativo, ¿cómo podemos realizar la prueba de causalidad de Granger a través de modelos VAR o VECM sin tener ningún retardo, ya que se pide un retardo mínimo de 1 para realizar la prueba de causalidad de Granger? Los datos son anuales y estoy tratando de encontrar la relación de causalidad entre el PIB y la industria de la construcción.

¿Debo utilizar la modelización VAR o no cuando el número de rezagos es 0?
Si no es así, ¿qué método debo utilizar?

1voto

Richard Hardy Puntos 6099

El caso de no cointegración

Esto es fácil. Si no tiene rezagos, entonces el modelo se parece a \begin{aligned} \Delta x_{1,t} &= \gamma_{0,1} + u_{1,t}, \\ &\dots \\ \Delta x_{k,t} &= \gamma_{0,k} + u_{k,t}, \\ \end{aligned} donde $k$ es el número de series de su modelo, $\gamma_0$ s son interceptos (se pondrían a cero si no hubiera tendencias temporales en los datos no diferenciados). $x$ s) y $u_t$ s son términos de error. Entonces claramente la historia de las series $j$ no sirve para predecir la serie $i$ más allá de la historia de la serie $i$ sí mismo. (En realidad, la historia de las series $j$ no sirve para predecir la serie $i$ y punto). Y esto es válido para cualquier $(i,j)=1,\dots,k$ donde $i\neq j$ . Por lo tanto, ninguna de las series causa de Granger a ninguna otra serie. (Asimismo, ningún grupo de series causa por Granger a otro grupo de series).

El caso de la cointegración

Para simplificar, consideremos un modelo bivariante. Supongamos que \begin{aligned} \Delta x_{1,t} &= \gamma_{0,1} + \alpha_1 (x_{1,t-1}+\beta x_{2,t-1}) + u_{1,t}, \\ \Delta x_{2,t} &= \gamma_{0,2} + \alpha_2 (x_{1,t-1}+\beta x_{2,t-1}) + u_{2,t} \\ \end{aligned} $\beta\neq 0$ y $\alpha_1\neq 0$ o $\alpha_2\neq 0$ o ambos. Entonces \begin{aligned} x_{1,t} &= \gamma_{0,1} + (\alpha_1+1) x_{1,t-1} + \alpha_1\ \beta x_{2,t-1} + u_{1,t}, \\ x_{2,t} &= \gamma_{0,2} + \alpha_2 x_{1,t-1} + (\alpha_2 \beta + 1) x_{2,t-1} + u_{2,t}. \\ \end{aligned} Si $\alpha_1\beta\neq 0$ (es decir, si $\alpha_1\neq 0$ porque ya sabemos que $\beta\neq 0$ ) en la ecuación para $x_{1,t}$ , $x_2$ Causas de Granger $x_1$ .
Además, si $\alpha_2\neq 0$ en la ecuación para $x_{2,t}$ , $x_1$ Causas de Granger $x_2$ .

También sabemos que en cointegración habrá causalidad de Granger al menos en un sentido (ya que $\beta\neq 0$ y $\alpha_1\neq 0$ o $\alpha_2\neq 0$ o ambos), por lo que $x_1$ Causas de Granger $x_2$ o $x_2$ Causas de Granger $x_1$ o ambos.

0voto

Chris Cudmore Puntos 634

La respuesta directa es que si no hay rezagos, no hay VAR ni causalidad de Granger. Por definición, ambos métodos requieren al menos un retardo. Las respectivas definiciones en Wikipedia son bastante útiles y claras sobre el concepto.

El Presente puede asociarse al Presente. Esa relación puede no tener una dirección determinada (correlación, regresión lineal).

El Pasado causa o Granger causa el Presente. Aquí es donde entran en juego el VAR y la causalidad de Granger.

Y, el Pasado se captura con los Retrasos. Sin rezagos no hay pasado, ni VAR, ni causalidad de Granger.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X