格兰杰因果关系检验的结论是统计推断，假设时间序列之间没有因果关系，然后检验能否否定。 如果可以否定这个检查，就可以验证这个时间序列数据对于想要预测的目标是有效的。
目标使用b预测a。 a是给出预测结果的系列。
fromstatsmodels.TSA.stattoolsimportgrangercausalitytests
导入pandas as PD
import numpy as np
df=PD.data frame (NP.random.randint (0，100，size=) 10，2 )、columns=[‘a’，‘b’]
grangercausalitytests (df ([‘a’，‘b’，最大lag=2) ] )。
结果：
ssr based F test: F=1.8500，p=0.2227，df_denom=6，df_num=1
srbasedchi2test : chi2=2.7750，p=0.0957，df=1
likelihoodratiotest : chi2=2.4188、p=0.1199、df=1
参数f test : f=1.8500，p=0.2227，df_denom=6，df_num=1
格兰格尔会计
编号标志(no zero ) 2
ssr based F test: F=0.5091，p=0.6451，df_denom=3，df_num=2
srbasedchi2test : chi2=2.7152，p=0.2573，df=2
likelihoodratiotest : chi2=2.3377、p=0.3107、df=2
参数f test : f=0.5091，p=0.6451，df_denom=3，df_num=2
含义：
number oflags (否zero )1) lags为1时的检测结果
ssr based F test :残差平方和f检验
ssr based chi2 test :残差平方和卡方检验
likelihood ratio test :似然比检查结果
parr F testamete :参数f检查结果
参考值：主要看p值，p必须小于0.05才能证明b对a有效
其他参考文章
33559 www.biaodianfu.com/Granger-causality-test.html