그렌저 인과성
1. 개요
Granger causality. 국문으로는 그레인저 인과관계, 그래인저 인과성, 그렌저 인과 등 다양하게 쓰이고 있다. 시계열을 분석하는 통계학/계량경제학 방법론
2. 상세
A와 B가 있을 때(예를 들어 매년 생산되는 닭의 수와 달걀의 수) A가 B를 그랜저 인과한다면(A granger causes B), B를 예측할 때 과거의 B값만을 사용하는 것보다 과거의 A값도 사용한 예측이 더 많은 정보를 제공한다는 것이다. 즉, A의 변화가 B의 변화를 예측할 수 있다는 것.
물론 이것이 일반적인 인과관계를 의미하는 것은 아니다. 여기서 말하는 인과관계는 시간적 인과관계, 혹은 시간적 순서를 의미한다. X, Y, Z의 세 변수가 있고 X가 Y,Z를 유발하는 원인이라 하자. 만약 X가 Y에 좀 더 빠르게 작용하고, Z에는 느리게 작용한다면 Y, Z를 대상으로 그랜저 인과관계를 검증할 때 Y가 Z를 그랜저 인과한다고 나오게 될 것이다. 여기서 Y가 Z의 원인이 아님은 물론이다. 인과관계임을 보이려면 다른 방법, 예를 들어 Y가 Z의 원인임을 이론적으로 설명해야 한다.
하지만 이런 한계에도 불구하고 그랜저 인과검정은 매우 유용하다. 그랜저 인과관계가 없다면 인과관계가 없다는 것이기 때문이다. 뒤에 일어난 일이 먼저 일어난 일의 원인이 될 수는 없기 때문이다.