5,443
个编辑
更改
跳到导航
跳到搜索
第46行：
第46行： − +
→格兰杰因果
<math>gc_{2 \to 1} = \log \left( \frac{\mathrm{var}(\xi_{1R(12)})}{\mathrm{var}(\xi_{1U})} \right),</math>
<math>gc_{2 \to 1} = \log \left( \frac{\mathrm{var}(\xi_{1R(12)})}{\mathrm{var}(\xi_{1U})} \right),</math>
其中，ξ₁<sub>R(12)</sub> 是从省略了第一个方程中的 A₁₂,<sub>j</sub>（对所有 j）系数的模型中得出的，而 ξ<sub>1U</sub> 是从完整模型中得出的。重要的是，格兰杰因果关系很容易推广到多变量的情况，在这种情况下，检验的是在多个变量 \(X_2, \ldots, X_n\)的上下文中 \(X_1\) 的格兰杰因果关系（对所有 Xᵢ ≠ Xⱼ）。在这种情况下，如果当所有其他变量 X₃...Xₙ 的活动也包含在回归模型中时，知道 X₂ 会减少 X₁ 预测误差的方差，那么X₂对 X₁具有格兰杰因果性（参见下文）。有关格兰杰因果关系的教程介绍，请参阅 Seth<ref name="Seth_granger_causality" />。
其中，ξ₁<sub>R(12)</sub> 是从省略了第一个方程中 X₁的 A₁₂,<sub>j</sub>（对所有 j）系数的模型中得出的，而 ξ<sub>1U</sub> 是从完整模型中得出的。重要的是，格兰杰因果关系很容易推广到多变量的情况，在这种情况下，检验的是在多个变量 X₂...Xₙ 的上下文中的格兰杰因果关系（对所有 Xᵢ ≠ Xⱼ）。在这种情况下，如果当所有其他变量 X₃...Xₙ 的活动也包含在回归模型中时，知道 X₂ 会减少 X₁ 预测误差的方差，那么X₂对 X₁具有格兰杰因果性（参见下文）。有关格兰杰因果关系的教程介绍，请参阅 Seth<ref name="Seth_granger_causality" />。
==='''格兰杰自主性'''===
==='''格兰杰自主性'''===