2
グレンジャーとパールの因果関係フレームワークの主な違いは何ですか？
最近、グレンジャーの因果関係について言及しているいくつかの論文やオンラインリソースに出会いました。対応するWikipediaの記事を簡単に参照すると、この用語が時系列（または、より一般的には確率過程）の文脈における因果関係を指すという印象を受けました。さらに、この素敵なブログ投稿を読むと、このアプローチの見方にさらなる混乱が生じました。 概念の私のファジー理解が一部常識、で構成されていて、私は、因果関係についての人物知識が豊富でないことだ常識、といくつかの暴露潜在変数モデル化と構造方程式モデリング（SEM）とユダヤパールの仕事から少し上を読んで因果関係-彼の本ではなく、Pearl（2009）の興味深い概要論文に沿ったもので、なんらかの理由で、驚いたことに、グレンジャーの因果関係についてまったく言及していません。 この文脈では、グレンジャーの因果関係が時系列（確率的）フレームワークよりも一般的なものであるかどうか、そしてもしそうであれば、構造的因果モデルに基づいてパールの因果関係フレームワークとの関係（共通性と差異）は何ですか？私が理解している限りでは、SCM）は、直接非巡回グラフ（DAG）と反事実に基づいています。それは、グレンジャーの因果関係は次のように分類することができているようです一般的なアプローチに因果推論のための動的システムの存在を考慮すると、ダイナミックな因果モデリング（DCM）アプローチ（Chicharro＆Panzeri、2014）。しかし、私の懸念は、確率的プロセス分析に基づいたものとそうでないものの2つのアプローチを比較することが可能かどうか（もしそうなら）についてです。 より一般的に、単一の包括的な因果関係フレームワーク内で現在存在するすべての因果関係理論を（異なる視点として）検討するための、理にかなった高レベルのアプローチ（可能であれば）とはどう思いますか？この質問は、主にChicharro and Panzeri（2014）による優れた包括的な論文を読み、カリフォルニア大学バークレー校（Petersen＆Balzer、2014）の興味深い因果推論コースをレビューしようとする試みによって引き起こされます。 参照資料 Chicharro、D.、＆Panzeri、S.（2014）。脳領域間の効果的な接続性の分析のための因果推論のアルゴリズム。ニューロインフォマティクスのフロンティア、8（64）。doi：10.3389 / fninf.2014.00064 http://journal.frontiersin.org/article/10.3389/fninf.2014.00064/pdfから取得 パール、J。（2009）。統計における因果推論：概要。統計調査、 3、96–146。doi：10.1214 / 09-SS057 http://projecteuclid.org/download/pdfview_1/euclid.ssu/1255440554から取得 Petersen、M.、＆Balzer、L.（2014）。因果推論の紹介。カリフォルニア大学バークレー校。[ウェブサイト] http://www.ucbbiostat.comから取得