697
个编辑
更改
跳到导航
跳到搜索
第60行：
第60行： − 像GC和TE这样的度量假设时间序列数据中“原因”和“效果”样本具有内在的可分离性，因此只能估计因果关系之梯第一层级的关联因果关系（图3）。然而，很多时候，原因和效果可能在测量块或单个测量中同时存在。这可能是过程动态的固有性质，或者是由于采样尺度与因果动态的时空尺度不同（例如，在测量采集期间）导致的结果。在这种情况下，关联因果关系度量是不合适的。对于一对时间序列<math>X</math>和<math>Y</math>，假设<math>X</math>导致<math>Y</math>，关联因果关系及其局限性如图4所示。+
→压缩复杂性因果（CCC）
=== 压缩复杂性因果（CCC） ===
=== 压缩复杂性因果（CCC） ===
像GC和TE这样的度量假设时间序列数据中“原因”和“结果”样本具有内在的可分离性，因此只能估计因果关系之梯第一层级的关联因果关系。然而，很多时候，原因和结果可能在测量块或单个测量中同时存在。这可能是过程动态的固有性质，或者是由于采样尺度与因果动态的时空尺度不同（例如，在测量采集期间）导致的结果。在这种情况下，关联因果关系度量是不合适的。对于一对时间序列<math>X</math>和<math>Y</math>，假设<math>X</math>导致<math>Y</math>，关联因果关系及其局限性如图4所示。
压缩复杂性因果关系（CCC）是最近提出的一种因果关系度量，它不做关联因果关系度量（如GC和TE）所做的可分离性假设。为了确定<math>X</math>对<math>Y</math>的因果影响，CCC捕获当引入<math>X</math>的过去信息时<math>Y</math>的“动态复杂性”如何变化。CCC通过插入<math>X</math>的块并将其与<math>Y</math>的适当块拼接来对<math>Y</math>进行干预。当无法对实验设置进行干预时，这是对数据能做的最好操作[19]。因此，CCC属于因果关系之梯的第二层级（干预因果关系）。
压缩复杂性因果关系（CCC）是最近提出的一种因果关系度量，它不做关联因果关系度量（如GC和TE）所做的可分离性假设。为了确定<math>X</math>对<math>Y</math>的因果影响，CCC捕获当引入<math>X</math>的过去信息时<math>Y</math>的“动态复杂性”如何变化。CCC通过插入<math>X</math>的块并将其与<math>Y</math>的适当块拼接来对<math>Y</math>进行干预。当无法对实验设置进行干预时，这是对数据能做的最好操作[19]。因此，CCC属于因果关系之梯的第二层级（干预因果关系）。