能否从lmtest包grangertest输出计算效应量？仅得F值无平方和

当然可以！虽然grangertest()的默认输出没有直接提供平方和，但我们完全可以用结果里的F值、自由度这些信息反推，计算出偏η²这类常用的效应量指标。

核心思路：从F统计量推导效应量 #

格兰杰因果检验本质是嵌套模型的F检验——Model1是包含待检验变量滞后项的全模型，Model2是去掉这些滞后项的约束模型。F统计量的公式是：
F = [(SS_res约束 - SS_res全)/Df] / (SS_res全/Res.Df全)

我们不需要直接算出平方和，通过变形公式就能得到偏η²（控制其他变量后的效应量，最适合这类检验），推导后的简化公式是：
偏η² = (F * Df / Res.Df全) / (F * Df / Res.Df全 + 1)

这里的参数都能从你的输出里拿到：

• F：检验的F值（你的例子里是4.8495）
• Df：待检验变量的滞后项个数（输出里Df列是-1，取绝对值就是1）
• Res.Df全：全模型的残差自由度（你的例子里是163）

针对你的例子手动计算 #

代入数值：

分子部分 = (4.8495 * 1) / 163 ≈ 0.02975
分母部分 = 0.02975 + 1 = 1.02975
偏η² ≈ 0.02975 / 1.02975 ≈ 0.0289

这个值意味着：在控制了apwbc自身滞后1期的影响后，other的滞后1期能解释apwbc变异的约2.9%。

用R代码自动计算 #

你可以直接提取检验结果的统计量来计算，避免手动计算出错：

# 先运行你的格兰杰检验（假设数据已经准备好）
library(lmtest)
gt_result <- grangertest(apwbc ~ Lags(apwbc, 1:1) + Lags(other, 1:1), 
                         apwbc ~ Lags(apwbc, 1:1))

# 提取所需统计量
F_val <- gt_result$F[2]
df_test <- abs(gt_result$Df[2])  # 取自由度变化的绝对值
df_residual <- gt_result$Res.Df[1]

# 计算偏η²
partial_eta_squared <- (F_val * df_test / df_residual) / (F_val * df_test / df_residual + 1)
cat("偏η²值为：", round(partial_eta_squared, 4), "\n")

补充说明 #

• 偏η²是格兰杰检验中最常用的效应量，它排除了其他控制变量（这里是apwbc的滞后项）的影响，能更精准反映待检验变量的实际效应大小。
• 如果需要计算ΔR²（模型R²的变化量），在这个检验场景下，它和偏η²的数值是相等的，因为我们只添加了一组变量（other的滞后项）。

内容的提问来源于stack exchange，提问作者Steve