微觀計量經濟學中的因果關係與時間序列計量經濟學中的格蘭傑因果關係
我理解微觀經濟學中使用的因果關係（特別是 IV 或回歸不連續性設計）以及時間序列計量經濟學中使用的格蘭傑因果關係。我如何將一個與另一個聯繫起來？例如，我已經看到這兩種方法都用於面板數據（比如,）。在這方面對論文的任何參考將不勝感激。
假設你有兩個向量
然後不格蘭傑導致如果， IE無法預測. 所以格蘭傑“因果關係”這個詞有點誤導，因為如果一個變量在預測另一個變量時很有用這並不意味著實際上導致. 例如，參見Hansen (2014) (p. 319) 中的討論。 舉個愚蠢的例子，早上太陽升起之前，公雞會打鳴。如果你對一系列公雞烏鴉和太陽升起進行格蘭傑因果檢驗，你會發現公雞的烏鴉導致太陽升起。但這並不是真正的因果關係。我將此示例標記為“愚蠢”的原因在郝葉的簡潔評論中提供了。這個例子有助於說明為什麼一個事件可能會導致另一個事件，但實際上並沒有在微觀計量經濟學家理解因果關係的意義上導致它。
微觀計量經濟學中的因果關係主要基於 Donald Rubin 的潛在結果框架（參見Angrist、Imbens 和 Rubin（1996））。從這個問題看來，您似乎已經閱讀了 Mostly Harmless Econometrics，因此我假設您熟悉 IV、差異中的差異、匹配或回歸不連續設計估計等不同方法的因果效應。無論哪種方式，這些估計因果效應的微觀計量經濟學方法與格蘭傑因果關係之間沒有直接聯繫，因為格蘭傑因果關係並不是真正的因果關係這一簡單事實。
在最近的差異差異 (DiD) 應用中，格蘭傑因果關係的概念被用於評估治療是否存在預期或滯後效應。對於您可以在 Mostly Harmless Econometrics（第 5 章，第 237 頁）中找到的常用 DiD 模型：
在這個例子中，索引,和用於餐廳、州和時間，而是一個等於 1 處理後對照組餐廳的虛擬變量。鑑於不同狀態不同時間變化，可以測試是否過去在預測未來的結果時很重要不要。這個想法是，如果存在預期效果，則在通常的 DiD 設置中估計的治療效果將低估總效果。同樣，隨著時間的推移，治療效果的逐漸消失可能很有趣。您可以通過包括導致和lags 將分別在模型中捕獲預期和滯後的治療效果： 使用Autor (2003) 的一項研究在您的教科書中提供了一個應用程序，該研究評估了增加就業保護對公司使用臨時工的預期/滯後影響。 這個想法採納了 coffeinjunky 的回答中提出的論點。當我們已經可以可信地指出存在因果關係時，我們可以像 Autor (2003) 那樣使用格蘭傑因果關係的思想來進一步探索因果關係。但它不能用來證明它。