更改

== 基于时间序列的因果效应度量 ==

== 基于时间序列的因果效应度量 ==

在现代社会，数据易于获取且数量庞大。此外，为了推断某些类型的因果关系，进行干预实验可能会很困难或根本不可能。因此，越来越多的研究正在使用基于时间序列数据驱动的因果效应度量方法。它们都是根据诺伯特·维纳提出的思想，该思想定义了一种从时间序列数据估计因果效应的简单而优雅的方法。根据维纳的说法，“如果一个时间序列<math>X</math>导致一个时间序列<math>Y</math>，那么<math>X</math>的过去值应该包含有助于预测<math>Y</math>的信息，且这些信息超出了仅包含在<math>Y</math>过去值中的信息”。

在现代社会，数据易于获取且数量庞大。此外，为了推断某些类型的因果关系，进行干预实验可能会很困难或根本不可能。因此，越来越多的研究正在使用基于时间序列数据驱动的因果效应度量方法。它们都是根据诺伯特·维纳提出的思想：“如果一个时间序列<math>X</math>导致一个时间序列<math>Y</math>，那么<math>X</math>的过去值应该包含有助于预测<math>Y</math>的信息，且这些信息超出了仅包含在<math>Y</math>过去值中的信息”。该思想是一种从时间序列数据度量因果效应的简单而优雅的方法。

下面的三种方法都是基于此思想，下面阐述每种方法背后的思想。如果包含<math>X</math>的过去值：

下面的三种方法都是基于此思想，下面阐述每种方法背后的思想。如果包含<math>X</math>的过去值：