Questions tagged «granger-causality»

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

21 stochastic-processes  causality  granger-causality 

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 …

16 time-series  causality  granger-causality 

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

13 time-series  econometrics  causality  granger-causality 

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。）

11 lags  granger-causality