Questions tagged «granger-causality»

2
Granger和Pearl的因果关系框架之间的主要区别是什么?
最近,我浏览了几篇有关格兰杰因果关系的论文和在线资源。简短浏览相应的Wikipedia文章给我的印象是,该术语指的是时间序列(或更普遍地说,是随机过程)的因果关系。此外,阅读这篇不错的博客文章在如何看待这种方法上造成了另外的困惑。 我对因果关系一无所知,因为我对该概念的模糊理解包括部分常识,常识,对潜在变量建模和结构方程模型(SEM)的一些了解,以及从Judea Pearl在因果关系-不是他的书,而是更多地根据Pearl(2009)的一篇有趣的综述论文,出于某种原因,令人惊讶的是,它根本没有提到格兰杰因果关系。 在这种情况下,我想知道格兰杰因果关系是否比时间序列(随机)框架更笼统,如果基于结构因果模型,它是否与Pearl的因果关系有什么关系(共性和差异)(据我了解,SCM反过来又是基于直接无环图(DAG)和反事实。看来,格兰杰因果关系可以归类为一个通用的方法,以因果推理的动态系统,考虑存在动态因果模型(DCM)方法(Chicharro&Panzeri,2014)。但是,我担心的是,是否可以(如果可以,如何)比较这两种方法,其中一种是基于随机过程分析的,而另一种则不是。 更笼统地说,您认为在单个综合因果关系框架内(作为不同观点)考虑所有当前存在的因果关系理论的明智的高级方法(如果可能的话)?这个问题在很大程度上是由于我试图阅读Chicharro和Panzeri(2014)的一篇出色而全面的论文,并且回顾了加州大学伯克利分校的一个有趣的因果推理课程(Petersen&Balzer,2014)。 参考文献 Chicharro,D.,&Panzeri,S.(2014年)。因果推理算法,用于分析大脑区域之间的有效连通性。《神经信息学前沿》(8)(64)。doi:10.3389 / fninf.2014.00064取自http://journal.frontiersin.org/article/10.3389/fninf.2014.00064/pdf Pearl,J.(2009年)。统计中的因果推断:概述。统计调查,3,96-146。doi:10.1214 / 09-SS057取自http://projecteuclid.org/download/pdfview_1/euclid.ssu/1255440554 Petersen,M.和Balzer,L.(2014年)。因果推理简介。加州大学伯克利分校。[网站]取自http://www.ucbbiostat.com

1
解释格兰杰因果关系检验的结果
我正在尝试对格兰杰因果关系进行自我教育。我已经阅读了该网站上的帖子以及在线上的几篇好文章。我还遇到了一个非常有用的工具,即“双变量Granger因果关系-免费统计计算器”,该工具可让您输入时间序列并计算Granger Stats。下面是站点中包含的示例数据的输出。我在解释结果方面也很努力。 我的问题: 我的解释方向正确吗? 我忽略了哪些关键见解? 另外,CCF图表的含义和解释是什么?(我假设CCF是互相关的。) 这是我已经解释的结果和图: Summary of computational transaction Raw Input view raw input (R code) Raw Output view raw output of R engine Computing time 2 seconds R Server 'Herman Ole Andreas Wold' @ wold.wessa.net Granger Causality Test: Y = f(X) Model Res.DF Diff. DF F p-value …

2
微观计量经济学中的因果关系与时间序列计量经济学中的格兰杰因果关系
我了解微观经济学(尤其是IV或回归不连续性设计)中使用的因果关系,以及时间序列计量经济学中使用的Granger因果关系。如何将彼此联系起来?例如,我已经看到两种方法都用于面板数据(例如,T = 20)。在这方面对论文的任何引用将不胜感激。ñ= 30N=30N=30Ť= 20T=20T=20

1
格兰杰因果关系检验的延迟订单
假设我正在考虑几个可能包含在我正在开发的ARIMAX模型中的自变量。在拟合不同的变量之前,我想使用Granger检验来筛选出具有反向因果关系的变量(我使用R中程序包中的granger.test函数MSBVAR,尽管我相信其他实现方式也是如此)。如何确定应测试多少个滞后? R函数为:granger.test(y, p),其中y为数据帧或矩阵,p为滞后。 零假设是的过去值无助于预测的值。X ÿpppXXXYYY 有什么理由不在这里选择很高的滞后(除了丢失观测值之外)? 请注意,根据相关时间序列的积分顺序,我已经在数据框中的每个时间序列有所不同。(例如,对我的依赖时间序列进行一次差分使它变得平稳。因此,我也对所有“独立”时间序列进行了一次差分。)
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.