J'ai trois variables macroéconomiques (ICS - sentiment des consommateurs, ER - taux d'emploi, DGO - commande de biens durables) et j'ai effectué des tests de causalité de Granger en R sur eux. Je ne sais pas vraiment comment interpréter les résultats d'un test de Granger. Quelqu'un pourrait-il m'aider à donner un sens aux résultats?
Je sais que nous vérifions si une variable peut être utilisée pour en prédire une autre et je comprends que si cela est vrai, il doit y avoir un certain retard dans l'une des variables et que l'ordre du test de Granger a à voir avec l'ordre . Je ne sais pas comment interpréter le fait que 2 modèles sont rapportés ici. Je peux voir qu'un modèle est avec la variable régresseur et l'autre modèle est sans le régresseur. Je suppose que le vecteur Lags 1: 3 signifie que nous testons des décalages de 1, 2 et 3 mois.
grangertest(ICS~ER, order = 3, data=modeling.mts)
Granger causality test
Model 1: ICS ~ Lags(ICS, 1:3) + Lags(ER, 1:3)
Model 2: ICS ~ Lags(ICS, 1:3)
Res.Df Df F Pr(>F)
1 258
2 261 -3 2.0352 0.1094
grangertest(ICS~DGO, order = 3, data=modeling.mts)
Granger causality test
Model 1: ICS ~ Lags(ICS, 1:3) + Lags(DGO, 1:3)
Model 2: ICS ~ Lags(ICS, 1:3)
Res.Df Df F Pr(>F)
1 258
2 261 -3 4.8621 0.002625 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
grangertest(DGO~ER, order = 3, data=modeling.mts)
Granger causality test
Model 1: DGO ~ Lags(DGO, 1:3) + Lags(ER, 1:3)
Model 2: DGO ~ Lags(DGO, 1:3)
Res.Df Df F Pr(>F)
1 258
2 261 -3 3.2704 0.02181 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
la source