Grangerkausalitet

Grangerkausaliteit is een statistisch concept dat wordt gebruikt om te beoordelen of een tijdreeks X voorspellende informatie bevat voor een andere tijdreeks Y, boven wat Y al verklaart door zijn eigen verleden. Als de eerdere waarden van X het voorspellen van Y verbeteren ten opzichte van alleen het gebruik van Y’s eigen verleden, wordt gezegd dat X Grangerkausale informatie over Y bevat. Het gaat dus om voorspellend vermogen en niet om een direct oorzakelijk mechanisme in de filosofische zin.

De meest gebruikelijke methode om Grangerkausaliteit te toetsen, is het vectorautoregressieve model (VAR). Bij een gekozen laglengte p worden Yt enXt verklaard door voorgaande waarden: Yt wordt verklaard door Yt-1 tot Yt-p en Xt-1 tot Xt-p. Een F-test of Wald-test wordt afgelegd met de nulhypothese dat alle coëfficiënten van de X-lagen nul zijn. Als de nul wordt verworpen, wordt geconcludeerd dat X Grangercauses Y. Om de richting te controleren kan ook worden nagegaan of Y Grangerkauses X. De aannames betreffen onder meer lineariteit en stationariteit van de gegevens; bij niet-stationaire data moeten aanpassingen worden gemaakt.

Interpretatie en beperkingen: Grangerkausaliteit impliceert geen oorzakelijk mechanisme in de strengste zin, maar alleen voorspellende informatie. Er kan een verborgen gemeenschappelijke oorzaak zijn, of de resultaten kunnen veranderen bij afwijkende modelkeuzes (laglengte, gebruikte variabelen). Nonlineaire relaties en niet-stationaire data vereisen aanvullende methoden, zoals niet-lineaire Granger-causaliteit of cointegratie-analyses.

Toepassingen en geschiedenis: het concept werd geïntroduceerd door Clive W. J. Granger in 1969 en is sindsdien breed toegepast in economie, financiën, neuroscience en klimaatwetenschap. Granger ontving in 2003 de Nobelprijs voor Economie samen met Robert Engle voor methoden in tijdreeksanalyse.