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