格兰杰因果关系检验代码

格兰杰因果关系检验（Granger causality test）是一种用来检验两个时间序列之间是否存在因果关系的方法。下面是使用Python statsmodels库实现格兰杰因果关系检验的示例代码：

import numpy as np
import pandas as pd
from statsmodels.tsa.stattools import grangercausalitytests

# 生成模拟数据
nobs = 100
x = np.random.rand(nobs)
y = np.random.rand(nobs)

# 将数据转化为DataFrame格式
data = pd.DataFrame({'x': x, 'y': y})

# 进行格兰杰因果关系检验
results = grangercausalitytests(data, maxlag=2, verbose=False)

# 打印检验结果
for lag in range(1, 3):
    p_value = results[lag][0]['params_ftest'][1]
    print(f'Lag {lag}, p-value: {p_value:.4f}')

上述代码中，我们首先生成了两个长度为100的随机时间序列x和y，并将它们转化为DataFrame格式。然后使用statsmodels库中的grangercausalitytests函数进行格兰杰因果关系检验，其中maxlag=2表示最大滞后阶数为2，verbose=False表示输出结果时不显示冗余信息。最后，我们打印出了检验结果，其中p-value表示假设检验的p值，用于判断是否存在因果关系。