R တွင် granger causality စမ်းသပ်နည်း


Granger causality test ကို တစ်ကြိမ်စီဆက်ခြင်းသည် နောက်တစ်ခုအား ခန့်မှန်းရာတွင် အသုံးဝင်ခြင်း ရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုပါသည်။

ဤစစ်ဆေးမှုသည် အောက်ပါ null နှင့် အခြားအခြားသော အယူအဆများကို အသုံးပြုသည်-

Null hypothesis (H 0 ) : time series x သည် time series y ကို Granger သို့ မဖြစ်စေပါ။

အစားထိုးယူဆချက် ( HA ): အချိန်စီးရီး x Granger ၏အချိန်စီးရီးများသည် y ကိုဖြစ်စေသည်။

“ Granger အကြောင်းရင်းများ” ဟူသော အသုံးအနှုန်းသည် အချိန်စီးရီး x ၏တန်ဖိုးကို တိကျသေချာသော နောက်ကျမှုဖြင့် သိရှိခြင်းသည် နောက်ပိုင်းကာလတွင် အချိန်စီးရီး y တန်ဖိုးကို ခန့်မှန်းရန်အတွက် အသုံးဝင်သည်ဟု ဆိုလိုသည်။

ဤစမ်းသပ်မှုသည် သက်ဆိုင်ရာ p-တန်ဖိုးဖြင့် F-test ကိန်းဂဏန်းကို ထုတ်လုပ်သည်။ p-value သည် အချို့သော အရေးပါမှုအဆင့်အောက်တွင် ရှိပါက (ဆိုလိုသည်မှာ α = 0.05)၊ ထို့နောက် null hypothesis ကို ငြင်းပယ်နိုင်ပြီး time series x Granger သည် time series y ကို ဖြစ်စေသည်ဟု အခိုင်အမာ အခိုင်အမာ ကောက်ချက်ချနိုင်သည်

R တွင် Granger-Causality စမ်းသပ်မှုကို လုပ်ဆောင်ရန်၊ အောက်ပါ syntax ကိုအသုံးပြုသည့် lmtest အထုပ်မှ grangertest() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်ပါသည်။

grangertest(x၊ y၊ အမှာစာ = 1)

ရွှေ-

  • x: ပထမအကြိမ်စီးရီး
  • y: ဒုတိယ အကြိမ် စီးရီး
  • မှာယူမှု- ပထမအကြိမ်စီးရီးတွင် အသုံးပြုရန် အော့ဖ်ဆက်အရေအတွက်။ မူရင်းတန်ဖိုးမှာ 1 ဖြစ်သည်။

အောက်ဖော်ပြပါ အဆင့်ဆင့် ဥပမာသည် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။

အဆင့် 1- အချိန်စီးရီးနှစ်ခုကို သတ်မှတ်ပါ။

ဤဥပမာအတွက်၊ ကျွန်ုပ်တို့သည် lmtest ပက်ကေ့ချ်တွင် ကြိုတင်ထည့်သွင်းထားသော ChickEgg ဒေတာအစုံကို အသုံးပြုပါမည်။ ဤဒေတာအတွဲတန်ဖိုးများတွင် ထုတ်လုပ်သော ကြက်ဥအရေအတွက်အပြင် 1930 မှ 1983 ခုနှစ်အထိ United States ရှိ ကြက်အရေအတွက်ပါရှိသည်။

 #load lmtest package
library (lmtest)

#load ChickEgg dataset
data(ChickEgg)

#view first six rows of dataset
head(ChickEgg)

     chicken egg
[1,] 468491 3581
[2,] 449743 3532
[3,] 436815 3327
[4,] 444523 3255
[5,] 433937 3156
[6,] 389958 3081

အဆင့် 2- Granger အကြောင်းရင်းစမ်းသပ်မှုကို လုပ်ဆောင်ပါ။

ထို့နောက်တွင်၊ ကျွန်ုပ်တို့သည် ဂရန်းတက်စ်() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ ပြုလုပ်ထားသော ဥအရေအတွက်သည် နောင်ကြက်မအရေအတွက်ကို ခန့်မှန်းနိုင်ခြင်း ရှိ၊ မရှိ စစ်ဆေးရန် Granger causality test ကို လုပ်ဆောင်ပါမည်။ အော့ဖ်ဆက်သုံးခုကို အသုံးပြု၍ စမ်းသပ်မှုကို လုပ်ဆောင်ပါမည်။

 #perform Granger-Causality test
grangertest(chicken ~ egg, order = 3 , data = ChickEgg)

Granger causality test

Model 1: chicken ~ Lags(chicken, 1:3) + Lags(egg, 1:3)
Model 2: chicken ~ Lags(chicken, 1:3)
  Res.Df Df F Pr(>F)   
1 44                     
2 47 -3 5.405 0.002966 **
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

ဤသည်မှာ ရလဒ်ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

  • မော်ဒယ် 1- ဤပုံစံသည် ယခင်သုံးနှစ်အတွင်း ကြက်အရေအတွက်နှင့် ယခင်သုံးနှစ်အတွင်း ဥအရေအတွက်ကို ကြိုတင်ခန့်မှန်းသည့်ကိန်းရှင်များအဖြစ် အသုံးပြုထားသော ဤပုံစံသည် ခန့်မှန်းရန် ကြိုးပမ်းသည်။
  • မော်ဒယ် 2- ဤပုံစံသည် ယခင်သုံးနှစ်အတွင်း ကြက်အရေအတွက်ကိုသာ ခန့်မှန်းသည့်ကိန်းရှင်များအဖြစ် အသုံးပြုထားသော ကြက်အရေအတွက်ကို ခန့်မှန်းရန် ကြိုးပမ်းသည်။
  • F: ဒါက F စမ်းသပ်မှုစာရင်းအင်းပါ။ 5.405 ဖြစ်သွားပါတယ်။
  • Pr(>F)- ဤသည်မှာ F-test ကိန်းဂဏန်းနှင့် ကိုက်ညီသော p-တန်ဖိုးဖြစ်သည်။ .002966 ဖြစ်​သည်​။

p-value သည် 0.05 ထက်နည်းသောကြောင့်၊ စမ်းသပ်မှု၏ null hypothesis ကို ငြင်းပယ်နိုင်ပြီး ဥအရေအတွက်ကို သိရှိခြင်းသည် ကြက်အရေအတွက်ကို ခန့်မှန်းရာတွင် အသုံးဝင်ကြောင်း ကောက်ချက်ချနိုင်ပါသည်။

အဆင့် 3- ပြောင်းပြန်တွင် Granger Causality Test ကိုလုပ်ဆောင်ပါ။

စမ်းသပ်မှု၏ null hypothesis ကို ကျွန်ုပ်တို့ ပယ်ချခဲ့သော်လည်း၊ အမှန်တကယ်တွင် ပြောင်းပြန် အကြောင်းရင်းခံ ဖြစ်ပေါ်လာနိုင်သည် ။ တစ်နည်းဆိုရသော် ကြက်အရေအတွက်သည် ဥအရေအတွက် ပြောင်းလဲသွားခြင်း ဖြစ်နိုင်သည်။

ဤဖြစ်နိုင်ချေကို ဖယ်ရှားရန်၊ ကျွန်ုပ်တို့သည် တုံ့ပြန်မှုကိန်းရှင် အဖြစ် ကြက်များကို ကြိုတင်ခန့်မှန်းနိုင်သောကိန်းရှင်အဖြစ်နှင့် ကြက်ဥများကို အသုံးပြု၍ ပြောင်းပြန်ဖြင့် Granger-Causality စမ်းသပ်မှုကို လုပ်ဆောင်ရန် လိုအပ်ပါသည်။

 #perform Granger-Causality test in reverse
grangertest(egg ~ chicken, order = 3 , data = ChickEgg)

Granger causality test

Model 1: egg ~ Lags(egg, 1:3) + Lags(chicken, 1:3)
Model 2: egg ~ Lags(egg, 1:3)
  Res.Df Df F Pr(>F)
1 44                 
2 47 -3 0.5916 0.6238

စမ်းသပ်မှု၏ p-တန်ဖိုးသည် 0.6238 ဖြစ်သည်။ ၎င်းသည် 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်၍မရပါ။ တစ်နည်းဆိုရသော် ကြက်အရေအတွက်သည် အနာဂတ်ဥအရေအတွက်ကို မခန့်မှန်းနိုင်ပေ။

ထို့ကြောင့် ဥအရေအတွက်ကို သိခြင်းသည် ကြက်မအရေအတွက်ကို ခန့်မှန်းရာတွင် အသုံးဝင်သည်ဟု ကျွန်ုပ်တို့ ကောက်ချက်ချနိုင်သည်။

မှတ်ချက်တစ်ခုထည့်ပါ။

သင့် email လိပ်စာကို ဖော်ပြမည် မဟုတ်ပါ။ လိုအပ်သော ကွက်လပ်များကို * ဖြင့်မှတ်သားထားသည်