그레인저인과검정 (Granger Causality Test)

한 줄 정의: 한 시계열 변수의 과거값이 다른 시계열 변수의 현재값을 예측하는 데 통계적으로 유의미하게 기여하는지를 검정하여 시간적 선후관계를 파악하는 계량경제학 기법.

쉽게 풀면

진짜 원인과 결과 관계를 완벽히 증명하기는 어렵지만, "A의 과거 값을 알면 B의 미래를 더 잘 예측할 수 있는가?"를 통계적으로 검정할 수는 있습니다. 이렇게 예측력 향상 여부로 시간적 선후관계를 판단하는 것이 그레인저인과검정입니다. 예를 들어 통화량 증가가 물가 상승을 그레인저 의미에서 인과한다고 하면, 통화량의 과거 정보가 물가 예측에 도움이 된다는 뜻입니다.

왜 중요한가

실험이 불가능한 거시경제나 사회현상을 다루는 연구에서는 진짜 인과관계를 직접 증명하기 어렵기 때문에, 시계열 데이터만으로 변수 간 선후관계를 통계적으로 검토할 수 있는 그레인저인과검정이 널리 활용됩니다. 정책 변수와 경제지표 사이의 관계, 금융시장 변수들 사이의 파급 순서 등을 분석할 때 이 검정이 예비적인 근거로 자주 제시되며, 이후 더 정교한 인과관계 분석 모형을 설계하는 출발점이 되기도 합니다.

논문에서는 이렇게 쓰입니다

"그레인저인과검정 결과 통화량 증가율이 물가상승률을 그레인저 의미에서 선행하는 것으로 나타났다."

통화량의 과거 값이 물가 예측에 통계적으로 유의미하게 기여함을 확인했다는 뜻이다.

"그레인저인과검정을 통해 원유가격 변동이 국내 주식시장 수익률에 그레인저 의미에서 선행하는지 검토하였다."

금융 분야에서도 한 시장의 과거 변동이 다른 시장의 움직임을 예측하는 데 도움이 되는지를 같은 방법으로 검정했다는 뜻입니다.

조금 더 깊게 보면

그레인저인과검정은 일반적으로 벡터자기회귀(VAR) 모형을 기반으로, 한 변수의 과거값을 회귀식에 추가했을 때 다른 변수에 대한 설명력이 통계적으로 유의미하게 증가하는지를 F검정 등으로 확인하는 방식으로 수행됩니다. 검정에 앞서 시계열이 정상성을 만족하는지 확인해야 하고, 시차(lag)의 개수를 어떻게 설정하느냐에 따라 결과가 달라질 수 있어 정보기준(AIC, BIC 등)으로 적절한 시차를 선택하는 절차가 함께 언급되는 경우가 많습니다.

주의할 점

'그레인저 인과성'은 진짜 인과관계가 아니라 예측력에 기반한 통계적 선후관계일 뿐이므로 해석에 주의가 필요하다.