1 模型说明
格兰杰因果检验同样要求进行检验的变量是平稳的。
需要注意的是大家不要被格兰杰因果检验的名字所误导，格兰杰因果检验不是对变量之间因果关系的检验，其本质上是检验某个变量的滞后项对于预测另一个变量是否有用。例如，检验变量x的滞后项对预测y是否有用。因而格兰杰因果检验主要用在VAR模型中，判断VAR模型的形式。其作用类似于多元线性回归模型中的R2。
在协整中，如果我们根据经济理论已经确定了解释变量和被解释变量，那么完全没有必要再进行格兰杰因果检验！
2 格兰杰因果检验的形式
无约束模型
有约束模型
通过有约束模型和无约束模型的比较，建立统计量来判断所有β系数是否都为零，进而判断变量x的滞后项对于预测变量y是否有用。
3 格兰杰因果检验的应用
3.1 数据
我们对VAR模型中短期利率和长期利率进行格兰杰因果关系检验！
3.2 录入数据
打开shibor的Excel数据文件，选择前两列数据；打开数据编辑窗口，将数据从Excel中复制到Stata，注意粘贴时选择“将第一行作为变量名”；
再将Excel数据文件的最后一列复制到Stata。
3.3 数据预处理
设置时间变量：
encode 日期,g(t)
tsset t
重命名shibor变量：
rename on day
rename y year
3.4 VAR模型下的格兰杰因果检验方法
在VAR模型中对day和year变量进行了单位根检验。由于year变量不平稳，所以不能直接检验day和year变量的格兰杰因果关系，需要对year进行差分，检验day和一阶差分year变量的格兰杰因果关系！
对year进行1阶差分：
g dyear=d.year
估计var模型并进行格兰杰因果检验：
var day dyear,lags(2)
vargranger
在估计结果表中，上面表格中day为被解释变量，dyear为解释变量，对应的P值为0.283，不显著，表明dyear不是day的格兰杰原因。同理，下面表格中dyear为被解释变量，day为解释变量，对应的P值为0.925，不显著，表明day不是dyear的格兰杰原因。同理
3.5 直接做格兰杰因果检验
安装非官方命令：
ssc install gcause
dyear对day的格兰杰因果检验：
gcause day dyear,lags(2)
在估计结果中，原假设是dyear不是day的格兰杰原因，对应的P值为0.1910，所以接受原假设，认为dyear不是day的格兰杰原因！
day对dyear的格兰杰因果检验：
gcause dyear day,lags(2)
在估计结果中，原假设是day不是dyear的格兰杰原因，对应的P值为0.3165，所以接受原假设，认为day不是dyear的格兰杰原因！
3.6 隔夜利率和1周利率的格兰杰因果检验
3.6.1 录入1周利率数据
打开shibor的Excel数据文件，选择第三列数据（1w）；打开数据编辑窗口，将数据从Excel中添加到Stata，注意粘贴时选择“将第一行作为变量名”；
3.6.2 数据变换
重名名w：
rename w week
3.6.3 week利率数据平稳性检验
ADF单位根检验：
dfuller week,lags(2)
从估计结果中可以看出，ADF统计量小于1%显著水平对应的临界值，因而week变量平稳。
3.6.4 直接做格兰杰因果检验
week对day的格兰杰因果检验：
gcause day week,lags(2)
在估计结果中，原假设是week不是day的格兰杰原因，对应的P值为0.0000，所以拒绝原假设，认为week是day的格兰杰原因！
day对week的格兰杰因果检验：
gcause week day,lags(2)
在估计结果中，原假设是day不是week的格兰杰原因，对应的P值为0.0001，所以拒绝原假设，认为day是week的格兰杰原因！