传统的Granger因果检验考察变量之间的线性因果关系，传统的Granger因果检验隐含假设潜在的数据生成过程(DGP )为线性，因此实际应用分析在hldzt分析的框架下，采用f检验进行变量之间的线性因果检验但随着学术界非线性研究的深入，最新研究表明，传统的Granger因果检验方法可能存在较大局限性。 这是因为宏观经济变量和金融时间序列往往呈现复杂的非线性动态变化趋势。
在实际经济运行中，经济变量经常在体制变革、金融危机等经济事件的冲击下发生结构性突变，由此引发的体制区间效应使变量在相互作用过程中呈现出明显的非线性特征。 但是，传统的Granger因果检验方法是考察变量之间的线性因果关系，而不能发现变量之间实际存在的非线性因果关系。 更重要的是，如果时间序列存在明显的非线性趋势，采用传统的Granger因果检验方法可能会给结论带来明显的偏差。
为了克服上述传统Grange因果检验方法的局限性，新一代非线性检验方法应运而生，其中最具代表性的研究有Hiemstra和Jones(1994 )、Diks和Panchen ko (2006 )。
需要准备的工具：
艾维维
(由GCTEST (作者panchenko撰写的本机工具) ) ) ) ) ) ) ) ) ) ) )。
(如果没有的话，我可以给你发信息。 请关注wx公众号：统计分析分析)
步骤：
1 .建立var模型消除线性
2 .生成残差进行bds检查
执行gctest得到非线性因果检验结果
详细步骤：
1 .将变量打开为组，然后单击。
2 .输出残差，点击：
3 .打开残差数据，进行bds检查
单击以查看BDS测试就可以了
结果如下。
维度
BDS静态
Std. Error
z静态
普罗布。
2
. 0.003186
0.007789
0.409095
0.6825
3
0.019139
0.012452
1.537117
0.1243
4
0.029937
0.014913
2.007445
0.0447
5
0.025943
0.015633
1.659536
0.0970
6
0.026744
0.015162
1.763812
0.0778
得到相关方程的bds检验结果
4 .推导残差
另存为纯数据的txt格式
最后打开gctest软件，输入：
如果需要询问知识，请关注公众号。 统计分析