游骑兵因果检验：“依赖于使用过去某个时刻的所有信息的最佳xydds乘方预测的方差。 '
主要适用于经济变量。
其统计学本质上是对平稳时序数据的预测，只应用于计量经济学的变量预测，不能作为检验真实因果性的依据。
基本步骤：
1 )使当前y回归(如果有所有滞后项y以及其他哪个变量)。 也就是说，y的滞后项yt-1、yt-2、…、yt-q以及其他变量的回归，但是在该回归中不包含滞后项x。 这是被约束的回归。 然后由该回归得到约束的残差平方和RSSR。
2 )在前面的回归式中加入滞后项x，进行包含滞后项x的回归。 这是无约束的回归，因此回归得到无约束的残差平方和RSSUR。
3 )零假设为H0:1=2=…=q=0，即滞后项x不属于此回归。
4 )为了验证这个假说，用f验证，即：
自由度遵循q和(n-k )的f分布。 其中，n是样本容量，q是滞后项x的个数，即受约束回归方程中的估计对象参数的个数，k是无约束回归中的估计对象参数的个数。
5 )如果由选定的显现水平计算的f -数超过阈值F，则拒绝零假设。 这样，延迟x项就属于这个回归，表明x是y的原因。
6 )类似地，通过交换变量y和x可以重复步骤(1) )到) )5)来验证y是否是x的原因。
函数Granger (x，y，alpha，max_lag ) t=长度(x ) x； BIC=Zeros(max_lag，1； RSR=Zeros(max_lag，1； i=1； wileI=max_lagystar=x(I1:t， )； xtar=[Ones(t-I，1 ) zeros (t-I，I ) ] j=1； whilej=Ixstar(:j 1 )=x ) I1-j:t-j )； j=j 1； end [b，bint，r]=Regress(ystar，xstar )； BIC(I， )=t*log(T(r'*r/t ) ) i 1) *log ) t； RSR(I， )=r'*r； i=i 1； 不对end%RSSR附加滞后项x的约束残差平方和x_lag=find(min(BIC )； BIC=Zeros(max_lag，1； RSsur=Zeros(max_lag，1 )； i=1； whilei=max _ lagystar=x (IX _ lag 1: t， )； xstar=[Ones(t-(x_lag i )，1 ) zeros (t-) Ix_lag )，x_lag i ) ] j=1； whilej=x_lagxstar(:j 1 )=x ) Ix_lag1-j:t-j， )； j=j 1； end %滞后项j=1； whilej=Ixstar(3360，x_lag j 1 )=y ) Ix_lag1-j:t-j， )； j=j 1； end [b，bint，r]=Regress(ystar，xstar )； BIC(I， )=t*log(T(r'*r/t ) ) i 1) *log ) t； RSsur(I， )=r'*r； i=i 1； endy_lag=find(min(BIC )； f_num=() rssr(x_lag， )-RSsur )/y_lag， ) )/y_lag )； f_den=RSsur(y_lag， )/) t-() x_lagy_lag1 ) )； F=F_num/F_den； c_v=finv(1-alpha，y_lag，) t-) x_lagy_lag1 ) )； p=1-fcdf(f，y_lag，) t-) x_lagy_lag1 ) )； 结束