相关性分析作为复杂网络研究的有效手段,有助于理解网络个体行为活动造成的影响。结合偏格兰杰因果性与复杂网络的方法,可以更为充分的研究个体节点之间的直接因果性。本文采用格兰杰因果网络、偏格兰杰因果网络、信息流方法,以申万一级行业指数为研究对象,揭示了产业之间存在的因果联动性。具体包括以下几个方面:(1)行业指数相关性初步分析。基于行业指数构建层次结构树,通过分类的思想获得行业指数间的相关程度,并通过bootstrap方法判断层次结构树中每一个节点形成的可靠度,结果表明在观测期间,行业指数层次结构树大部分节点的形成受时间维度影响程度较小,揭示了行业指数间没有较大的关联结构变动。(2)行业间的因果关系。基于两两间格兰杰因果检验分析申万一级行业指数之间相互因果关系,然后基于两变量间的格兰杰因果关系构建格兰杰因果网络,研究表明,少数行业对其他大部分行业有因果关系,如钢铁行业,且能作为行业中心联动地影响其他所有行业。(3)行业间的直接因果关系。在两两行业间的格兰杰因果网络基础上,基于偏相关格兰杰因果检验构建行业间的直接因果关系网络,以研究行业间的直接因果联动状况,进而比较因果关系与直接关系的区别,以不同的视角观察行业间的影响。结果表明行业指数间的关联方式大部分都是间接的。(4)Granger和偏Granger因果网络的信息流动分析。首先计算每个指数的信息流入流出,从而获取信息流入流出较大及信息非对称率较大的指数,并通过实证结果分析各指数能量流动的特征。然后基于朱刘算法,以信息流动较大的节点作为根节点,构建有向网络的最小树形图对因果网络和偏因果网络的能量流动做一定的分析,从中识别网络的链式结构及环状结构。结果显示,格兰杰因果网络存在全局的产业关联结构,偏格兰杰网络不存在全局关联结构,但在局部形成产业的环状关联结构。