更改

<math>ge_{M | m} = ga_{M | m} \left( \frac{1}{N} \sum_{i=1}^{N} gc_{m_i \to M} \right)</math>

<math>ge_{M | m} = ga_{M | m} \left( \frac{1}{N} \sum_{i=1}^{N} gc_{m_i \to M} \right)</math>

该度量捕捉了弱涌现性<ref name="Bedau_weak_emergence">{{cite journal|author=Bedau M|title=Weak emergence|journal=Philosophical Perspectives|year=1997|volume=11|page=375–399}}</ref><ref name="Bedau_downward_causation" />的三个基本直觉：它是名义涌现性的一个子集，它涉及对底层过程的依赖，并且它涉及从底层过程中的自主性。重要的是<math>ge_{M | m}</math> 将为零，如果<math>M</math>独立于<math>m</math>或者<math>M</math>完全被<math>m</math>预测。

该度量捕捉了弱涌现性<ref name="Bedau_weak_emergence">{{cite journal|author=Bedau M|title=Weak emergence|journal=Philosophical Perspectives|year=1997|volume=11|page=375–399}}</ref>的三个基本直觉：它是名义涌现性的一个子集，它涉及对底层过程的依赖，并且它涉及从底层过程中的自主性。重要的是<math>ge_{M | m}</math> 将为零，如果<math>M</math>独立于<math>m</math>或者<math>M</math>完全被<math>m</math>预测。

在什么情况下格兰杰涌现性可能会很高？如果有“隐藏”或“潜在”的影响，即回归中未表现出来的相关微观因果因素，宏观变量可能从一组微观变量中涌现。然而，即使所有微观因果因素都存在，格兰杰涌现性仍可能因为依赖于所用的预测算法而产生。可以认为，事实上，为了在实践中有用，格兰杰涌现性是必要的，因为在某些情况下，宏观变量对预测算法来说比微观变量的集合更具有认识透明性。这也与Bedau的弱涌现性一致，在这种情况下，“除了通过模拟外不可导出”被格兰杰因果关系的“（不）可预测性”所取代。

在什么情况下格兰杰涌现性可能会很高？如果有“隐藏”或“潜在”的影响，即回归中未表现出来的相关微观因果因素，宏观变量可能从一组微观变量中涌现。然而，即使所有微观因果因素都存在，格兰杰涌现性仍可能因为依赖于所用的预测算法而产生。可以认为，事实上，为了在实践中有用，格兰杰涌现性是必要的，因为在某些情况下，宏观变量对预测算法来说比微观变量的集合更具有认识透明性。这也与Bedau的弱涌现性一致，在这种情况下，“除了通过模拟外不可导出”被格兰杰因果关系的“（不）可预测性”所取代。