Como parte de un proyecto, quería ver si el consumo de electricidad causa el PIB en Colorado. Inicialmente tenía la intención de seguir el enfoque de Mozumder y Marathe (2007), que utilizan un enfoque de VECM, pero eso requiere la cointegración.
No estoy seguro de qué hacer ahora. Probé el método de Toda-Yamamoto pero mis errores parecen estar correlacionados en serie...
La causalidad entre las variables de la serie temporal no requiere que ambas estén cointegradas.
En primer lugar, la cointegración requiere que cada serie sea $I(1)$ . Ciertamente, es posible que dos $I(0)$ serie para seguir una relación causal (o dos $I(d)$ variables en este sentido).
En segundo lugar, la cointegración implica un equilibrio a largo plazo entre las series, lo que no es necesario para una relación causal. Un equilibrio a largo plazo entre dos variables de series temporales $x$ y $y$ implica que $$y_t-a-bx_t$$ es un proceso estacionario. En otras palabras, si los choques se "apagan", los valores de $x$ y $y$ convergerá de forma que $y_t=a+bx_t$ .
Sugeriría replantear la parte de la causalidad de Granger. La "causalidad de Granger" no tiene nada que ver con una relación causal, sino con el poder de predicción. economics.stackexchange.com/a/3056/61
Tienes razón. He editado el post. Interesante discusión en el hilo que has publicado. La afirmación "los meteorólogos son los causantes del tiempo" es muy ilustrativa sobre lo que realmente nos dice la Granger-causalidad.
FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.
