摘要：本⽂以美国2006年⾄2016年⼈均⼯资与⽣产总值为基础，对序列进⾏平稳性检验（单 位根检验），并通过⼀阶差分使得数据趋于平稳。再利⽤⾚池信息量准则（AIC）确定滞 后量，最终选择了格兰杰检验对数据进⾏因果关系分析，效果良好。

该论⽂有图 2 幅，表 7 个，参考⽂献 6 篇.

关键词 : 美国⼈均⼯资与⽣产总值 单位根检验 ⼀阶差分 ⾚池信息量准则(AIC) F统计检验 格兰杰因果检验

Using Granger Causality to Study the Relationships between Wages and GDP in U.S

Abstract：Based on the wages and GDP data from 2006 to 2016 of the United States, we will make a stationary test (unit root test) for the time series data and take the first difference to make the series stationary. Then we choose the lag length by Akaike information criterion(AIC). Finally, we choose Granger causality test and get a good result.

Key Words:   Wages and GDP unit root test first difference Akaike information criterion F-test Granger causality test

⽬目 录

摘要-Ⅰ

Abstract--Ⅱ

⽬录-Ⅲ

1 绪论 1

2 格兰杰检验的前提 2

2.1 单位根检验 (ADF检验) 2

2.2 差分运算 3

2.3 ⾚池信息量准则 4

2.4 格兰杰因果检验 5

3 美国⼈均⼯资与⽣产总值的因果关系分析 7

4 结论 13

参考⽂献 14

致谢 15

附录 16

1 绪论

⾃1870年以来美国国民经济就⾼居全球第⼀，当今的国内⽣产总值超过全球20%。其 在经济、政治、科技、军事、娱乐等诸多领域的巨⼤影响⼒均领衔全球，是⽬前世界上唯⼀的超级⼤国。所以，对美国各经济变量之间关系的研究显得尤为重要。 因果关系作为经济变量之间最为基本的关系之⼀，⼀直是统计学家研究的热点。假设两个变量，居民消费价格指数（CPI）和固定资产投资A，各⾃都有滞后的分量CPI（- 1），CPI（-2），…，A（-1），A（-2），…，显然这两个变量存在着相互影响的关系。 但究竟是CPI引起A的变化，还是A引起CPI的变化，还是说CPI与A相互影响，相互制约。 这些问题的实质是当两个变量之间存在时间上的先后顺序时，我们是否能够从统计的⾓度 上检验出到底谁是谁的因，谁是谁的果。

⽽简单的因果关系检验认为：如果存在两事件A、B使得P (B|A) ≠ P (B)，也就是说当 事件A发⽣时，事件B的概率也随之变化，则我们可以得出⼀个直观的结论：事件A与事 件B之间存在着因果关系。但实际⽣活当中，任何事物都有着不计其数的影响因素，A可 能并不是B的原因，可能有⼀个其他因素C影响着A和B，使得A与B之间产⽣了联系，也 可能存在着A不仅影响B，还同时影响C，再由C来间接影响B等更为复杂的关系。

于是，经济学家与统计学家们便开拓了⼀种客观的⽅法，⽤来分析变量之间的因果关 系，即格兰杰因果关系检验。该检验⽅法是由克莱夫  ·   格兰杰(Clive   W.J.   Granger)所建⽴，这种全新的⽅法令⼈们在对经济变量之间的因果关系的分析上有了全新的认识。也是 因此，格兰杰获得了2003年的诺贝尔经济学奖。他在颁奖典礼上，将⾃⾝研究的因果关系 定义为“依赖于使⽤过去某些时点上所有信息的最佳最⼩⼆乘预测的⽅差。”

我们每个⼈从⼩可能就⼀直被⼀个问题所困惑，这个世界上到底是先有鸡，还是先有 蛋？⽽这个问题也随着格兰杰因果分析的创⽴有了⼀定的解答。1988年，两位学者Walter N. Thurman 和 Mark E. Fisher 利⽤美国1930-1983年鸡的产量和鸡蛋产量的年度数据，对此 问题进⾏了统计研究。他们运⽤格兰杰的⽅法检验鸡和蛋之间的因果关系。结果表明，鸡⽣蛋的假设被拒绝，⽽蛋⽣鸡的假设被接受。因此，我们可以得出这个世界上先有蛋后有 鸡的结论。