更改

具体来说，如果我们使用二元自回归模型进行预测，当只存在两个变量 A 和 B 时，[[自回归模型]]存在两个等式，每个等式对应其中一个变量，每个变量的当前时刻值都是由它自身和另外一个变量在滞后一定时间范围内的数值构成。另外，该模型还会计算残差，这里残差可以理解为预测误差，可以用来衡量每一个等式的格兰杰因果效应程度（称为 G-causality）。B 作为 A 的格兰杰因（G-cause）的程度通过两个残差方差之比的对数来计算，其中一个是在省略B时A的自回归模型的残差，另一个是全预测模型（包含了 A 和 B ）的残差。此外，作者还定义了“G 自主性（G-autonomous）”的概念，表示一个时间序列的过去值可以预测自身的未来值的度量，可以用类似 G-causality 的方式来刻画这种自主预测的因果效应强度。

具体来说，如果我们使用二元自回归模型进行预测，当只存在两个变量 A 和 B 时，[[自回归模型]]存在两个等式，每个等式对应其中一个变量，每个变量的当前时刻值都是由它自身和另外一个变量在滞后一定时间范围内的数值构成。另外，该模型还会计算残差，这里残差可以理解为预测误差，可以用来衡量每一个等式的格兰杰因果效应程度（称为 G-causality）。B 作为 A 的格兰杰因（G-cause）的程度通过两个残差方差之比的对数来计算，其中一个是在省略B时A的自回归模型的残差，另一个是全预测模型（包含了 A 和 B）的残差。此外，作者还定义了“G 自主性（G-autonomous）”的概念，表示一个时间序列的过去值可以预测自身的未来值的度量，可以用类似 G-causality 的方式来刻画这种自主预测的因果效应强度。

[[文件:G Emergence Theory.png|G-emergence理论图|alt=G-emergence理论图|居左|400x300像素]]

[[文件:G Emergence Theory.png|G-emergence理论图|alt=G-emergence理论图|居左|400x300像素]]