Ostatnio natknąłem się na kilka artykułów i zasobów internetowych, które wspominają o przyczynowości Grangera . Krótkie przeglądanie odpowiedniego artykułu z Wikipedii wywarło na mnie wrażenie, że termin ten odnosi się do przyczynowości w kontekście szeregów czasowych (lub, bardziej ogólnie, procesów stochastycznych ). Ponadto czytanie tego fajnego posta na blogu spowodowało dodatkowe zamieszanie w sposobie widzenia tego podejścia.
W żadnym wypadku nie jestem osobą posiadającą wiedzę na temat przyczynowości, ponieważ moje rozmyte rozumienie pojęcia polega na częściowo zdrowym rozsądku, powszechnej wiedzy , pewnej ekspozycji na ukryte modelowanie zmiennych i modelowanie równań strukturalnych (SEM) i przeczytaniu trochę z pracy Judei Pearl na temat przyczynowość - nie jego książka, ale bardziej zgodnie z interesującym artykułem przeglądowym autorstwa Pearl (2009), który z jakiegoś powodu, co zaskakujące, wcale nie wspomina o przyczynowości Grangera.
W tym kontekście zastanawiam się, czy przyczynowość Grangera jest czymś bardziej ogólnym niż ramy szeregów czasowych (stochastycznych), a jeśli tak, jaki jest jej związek (podobieństwa i różnice) z ramą przyczynowości Pearl , opartą na strukturalnym modelu przyczynowym ( SCM) , który, o ile rozumiem, jest z kolei oparty na bezpośrednich grafach acyklicznych (DAG) i kontrfaktycznych . Wydaje się, że przyczynowość Grangera można zaklasyfikować jako ogólne podejście do wnioskowania przyczynowego dla układów dynamicznych , biorąc pod uwagę istnienie dynamicznego modelowania przyczynowego (DCM)podejście (Chicharro i Panzeri, 2014). Jednak martwię się o to, czy (a jeśli tak, to w jaki sposób) można porównać oba podejścia, z których jedno opiera się na stochastycznej analizie procesu, a drugie nie.
Mówiąc bardziej ogólnie, jakie według Pana byłoby rozsądne podejście na wysokim szczeblu - jeśli takie jest możliwe - do rozważenia wszystkich obecnie istniejących teorii przyczynowości w ramach jednego kompleksowego systemu przyczynowego (jako różnych perspektyw )? To pytanie jest w dużej mierze spowodowane próbą przeczytania doskonałego i kompleksowego artykułu Chicharro i Panzeri (2014), a także recenzowaniem interesującego kursu wnioskowania przyczynowego na University of California, Berkeley (Petersen i Balzer, 2014).
Referencje
Chicharro, D., i Panzeri, S. (2014). Algorytmy wnioskowania przyczynowego do analizy skutecznej łączności między regionami mózgu. Frontiers in Neuroinformatics, 8 (64). doi: 10.3389 / fninf.2014.00064 Źródło: http://journal.frontiersin.org/article/10.3389/fninf.2014.00064/pdf
Pearl, J. (2009). Wnioskowanie przyczynowe w statystyce: przegląd. Ankiety statystyczne, 3 , 96–146. doi: 10.1214 / 09-SS057 Źródło: http://projecteuclid.org/download/pdfview_1/euclid.ssu/1255440554
Petersen, M., i Balzer, L. (2014). Wprowadzenie do wnioskowania przyczynowego. Uniwersytet Kalifornijski w Berkeley. [Witryna] Źródło: http://www.ucbbiostat.com