格兰杰因果

摘要： 本文运用Eviews12.0软件,首先选取适当的变量体现江苏省南通市海门区叠石桥家纺专业市场与海门区经济的发展情况,并对两个变量以及它们的对数序列进行ADF单位根检验、Johansen协整检验。在此基础上对二者之间的关系进行总量回归分析、弹性分析和增量相关性分析,进而运用格兰杰因果检验分析它们之间的因果关系并得出相应结论。最后,就专业市场与区域经济的互动发展提出了相关的政策建议。

摘要： 离散时序数据的格兰杰因果关系发现算法具有重要应用价值。现有方法主要采用霍克斯过程建模,无法适用于非独立同分布数据和带有时间误差的数据。为此,提出了一种融合先验约束的拓扑霍克斯过程格兰杰因果关系发现算法(PTHP)。首先,使用基于约束的方法筛选出一批显著性水平较高的因果边,提升算法对故障发生时间误差的容忍性;随后,将上一步获取的边作为先验约束融合到拓扑霍克斯过程中,解决序列间的非独立同分布问题。模拟数据和真实数据的实验证明了该方法的有效性,并获得了PCIC 2021因果推理大赛第一名。

摘要： 在对抗环境下,捕获无人机通信网络的通联拓扑有助于我们高效发现并破坏其集群功能。然而,在非合作条件下,传统的拓扑先验信息难以获取,通联拓扑推理面临着巨大的挑战。现有相关研究总体上仍处于起步阶段,系统模型和推理机理不清晰,各类方法在同一数据维度下的对比较少。因此,针对非合作的物理场景,该文首先构建了系统模型,揭示了推理机理。然后,分别对相关性、格兰杰因果、转移熵和多维霍克斯过程4种方法进行了仿真对比分析。最后,对该研究方向的发展前景进行了展望。

摘要： 采用甘肃省14个市州2009-2018年间的面板数据构建模型,研究产业结构、城市化对城乡收入差距绝对值和比率的影响.结果显示:城乡收入差距的绝对值和比率均与产业结构、城市化率构成了格兰杰因果关系,其中,城乡差距的绝对值与第二产业结构比呈负相关,城乡差距的比率与城市化之间存在倒u型关系,与第二产业结构比呈正相关.最后针对此提出建议,发挥比较优势,推动新型城镇化建设以及优化产业结构,是缩小甘肃省城乡收入差距的重要举措.

摘要： 运用Stata软件,通过ADF、协整和格兰杰因果检验,对广东省FDI与GDP增长之间的关系进行研究.首先,协整检验发现二者之间存在长期均衡关系.长期来看,广东省GDP对外商直接投资的弹性是0.9114.最后,通过格兰杰因果检验发现滞后1期时,外商直接投资是广东省GDP的格兰杰原因;滞后2期则相反,广东省GDP是FDI的格兰杰原因.随着广东省利用外商直接投资金额的增加,发现广东省在使用外商直接投资的时候还存在区域分布严重不均衡、第二产业占比过高等问题.因此,今后需要格外注意外商直接投资的区域均衡分布和产业引导问题.

摘要： 基于分位数格兰杰因果关系检验方法,对16个样本国家1997年1月至2019年10月期间,经济政策不确定性与通货膨胀变动之间的因果关系进行了定量分析.研究发现,对于大多数国家,经济政策不确定性是导致通货膨胀发生变化的重要因素,尤其2008年金融危机之后,经济政策不确定性对通货膨胀的影响显著上升.并且该影响随着不确定性的不同分位数而不同,对于大多数国家,经济政策不确定性越高,越能明显地影响通货膨胀变化.

摘要： 为了分析亚洲金融市场间的传染问题,提出了基于分位数的条件格兰杰因果检验方法,对不同股票市场收益数据进行全面的因果关系检验.选取亚洲三个主要股票市场指数作为研究对象,研究比较了该方法与其它三种方法下的中日韩股票回报率之间的因果关系.实证结果表明,中日韩股票市场一体化,在厚尾极端情况,相互之间具有显著传染效应,其它地区股票市场危机,对我国股票市场价格走势具有显著影响.这一方法和结果,有助于投资者分析我国金融市场风险及其传染规律.

摘要： 由传统机器学习方法组成的空气质量预测模型得到了普遍应用,但是此类模型对于数据有效性,特别是时空相关数据的选取仍旧存在不足.针对深度学习输入数据有效性问题进行研究,提出了一种基于时空相似LSTM的预测模型(spatial-temporal similarity LSTM model,STS-LSTM),以便在时间和空间层面选取更加有效的数据.STS-LSTM分为前序、中序和后序三个模块,前序模块为时空相似选择输入模块,提出了格兰杰因果权重动态时间折叠(Granger causal index weighted dynamic time warping,GCWDTW)算法,用于选取具有更高时空相似性的数据;中序模块使用LSTM作为深度学习网络进行训练;后序模块根据目标站点特征选择不同的输出组合进行集成.STS-LSTM整体模型在空气质量预测误差上较现有算法提升了8％左右,经过有效性选取的数据对于模型精度达到了最高21％的提升.实验结果表明,对于有效数据的选取该算法取得了显著效果,将数据输入输出方法作为应用型深度学习网络的一部分,可以有效提升深度学习网络的最终效果.

摘要： 战场环境下对于非合作方信息获取困难、感知精度低,难以对网络拓扑和关键节点等网络参数进行推理,进而影响了战场决策的制定.给出了对抗场景下的拓扑感知框架,分析了拓扑感知技术的研究现状,总结了该技术面临的3大挑战,分别介绍了格兰杰因果、霍克斯过程、传输熵3种常用的拓扑感知方法,给出了合理的拓扑感知系统设计,并探讨了发展趋势.

摘要： 生态文明建设是关乎国家发展的根本大计,并已成为国家最为重要的发展战略,可持续发展是全人类追求的目标。而生态文明建设需要大量的资金成本,因此,离不开金融的支持。文章在梳理了绿色金融与绿色投资的相关逻辑关系与理论基础之后,对绿色投资与环境状况的因果关系运用格兰杰因果进行了分析,结果表明绿色投资与环境状况之间存在着因果关系,但是这种因果关系是单向传导的,即绿色投资的变化对环境状况的变化有一定程度的影响,反之则没有。文章运用实证的方法验证了绿色金融对改善环境的作用。

摘要： 本发明公开了一种基于格兰杰检验确定水资源和生态环境因果关系的方法，包括以下步骤：S1：获取水足迹时间序列和生态足迹时间序列；S2：对上述两个时间序列进行平稳性检验；S3：对上述两个时间序列进行协整，判断两者是否存在均衡关系；S4：建立水足迹与生态足迹的耦合模型，利用所述耦合模型计算上述两个时间序列的耦合度值；S5：对所述水足迹时间序列和所述生态足迹时间序列进行格兰杰因果关系校验；S6：构建回归模型，利用所述回归模型计算F统计量；S7：根据所述F统计量，结合F检验临界表，确定水资源和生态环境因果关系。本发明利用格兰杰因果关系校验确立各数据之间的因果关系，指向性明确，构建关系符合实际，相比于现有方案提高了准确性。

摘要： 本发明实施例提供了一种基于格兰杰因果关系检验与图相似技术的链路图修复方法，该方法包括以下步骤：获取目标调用链路图中的所有节点的历史数据；根据历史数据对节点进行格兰杰因果检验处理得到格兰杰因果检验处理结果；根据格兰杰因果检验处理结果生成格兰杰因果关系图；根据选定多个不同的阈值分别对格兰杰因果关系图中的有向连接边进行裁剪处理得到裁剪处理后的格兰杰因果关系图；将相似度最高的格兰杰因果关系图确定为目标格兰杰因果关系图；通过目标格兰杰因果关系图对目标调用链路图进行修复处理得到修复后的目标调用链路图。通过目标格兰杰因果关系图对目标调用链路图进行修复，能够增加链路数据的可用性与有效性，提高工作效率。

摘要： 本发明公开了基于改进贡献图和格兰杰因果分析的污泥膨胀诊断方法，该方法首先将历史观测数据按照每个样本的SVI值重新排列，将SVI值较小的样本作为训练集，SVI值较大的样本作为测试集，构建特征提取PCA贡献图，由此得到可能的几个故障变量。最后对这几个可能的故障变量特征提取，提取完后对其进行格兰杰因果分析，得出因果矩阵和最确切的故障变量，寻找因果值最大的方向，以此为依据画出主要的故障路径。本发明通过重排观测样本和特征提取来放大故障信息并提高故障诊断精度，解决传统的PCA贡献图中存在的故障拖尾问题，同时提高格兰杰因果分析的分析准确度，得出更为准确的故障路径，为现场的工作人员做出维护决策提供依据。

摘要： 本发明属于数据挖掘领域，提出了一种基于局部格兰杰因果分析的因果网络学习方法。本发明先将采集到的数据进行预处理，对缺失数据采用平均值插补方法进行补全。然后对补全的数据进行平稳性检验及处理，以满足建立模型的假设。之后将数据进行归一化，以消除不同变量量纲带来的影响。最后建立基于局部格兰杰因果分析的因果网络学习算法，实现准确探究变量间因果关系的目的，同时展现不同变量间的动态因果关系曲线，以达到定量、明确地分析系统间各变量间的因果关系。

摘要： 本发明公开了一种基于格兰杰检验确定水资源和生态环境因果关系的方法，包括以下步骤：S1：获取水足迹时间序列和生态足迹时间序列；S2：对上述两个时间序列进行平稳性检验；S3：对上述两个时间序列进行协整，判断两者是否存在均衡关系；S4：建立水足迹与生态足迹的耦合模型，利用所述耦合模型计算上述两个时间序列的耦合度值；S5：对所述水足迹时间序列和所述生态足迹时间序列进行格兰杰因果关系校验；S6：构建回归模型，利用所述回归模型计算F统计量；S7：根据所述F统计量，结合F检验临界表，确定水资源和生态环境因果关系。本发明利用格兰杰因果关系校验确立各数据之间的因果关系，指向性明确，构建关系符合实际，相比于现有方案提高了准确性。

摘要： 一种基于格兰杰因果分析的冗余惯组故障检测方法，(1)获取惯组标称值数据及多冗余惯组实测值数据；(2)利用惯组标称值构建TVAR模型，并进行模型参数辨识与模型重构；(3)针对多冗余惯组中的每一个惯组均执行如下处理：(a)针对当前惯组的测量值构建TVAR模型，并进行模型参数辨识与模型重构；(b)以惯组标称值为输出，当前惯组的测量值为输入构建外生输入的时变自回归表征模型，并进行模型参数辨识与模型重构；(c)以当前惯组的测量值为输出，惯组标称值为输入构建外生输入的时变自回归表征模型，并进行模型参数辨识与模型重构；(d)计算交互格兰杰因果指数以及每个惯组与惯组标称值之间交互格兰杰因果指数的误差；(4)设定评估原则，评估各个惯组是否出现故障。

摘要： 本发明公开了基于改进贡献图和格兰杰因果分析的污泥膨胀诊断方法，该方法首先将历史观测数据按照每个样本的SVI值重新排列，将SVI值较小的样本作为训练集，SVI值较大的样本作为测试集，构建特征提取PCA贡献图，由此得到可能的几个故障变量。最后对这几个可能的故障变量特征提取，提取完后对其进行格兰杰因果分析，得出因果矩阵和最确切的故障变量，寻找因果值最大的方向，以此为依据画出主要的故障路径。本发明通过重排观测样本和特征提取来放大故障信息并提高故障诊断精度，解决传统的PCA贡献图中存在的故障拖尾问题，同时提高格兰杰因果分析的分析准确度，得出更为准确的故障路径，为现场的工作人员做出维护决策提供依据。

摘要： 一种系统包括：存储器(116)，其可存储计算机可执行组件；处理器(120)，其可操作地耦合到存储器(116)，并且可以执行被存储在存储器(116)中的计算机可执行组件。计算机可执行组件可包括维护组件(108)，其可以通过采用贪心爬山过程以执行多项式数量的条件独立性测试以确定在给定调节集合下来自机械系统的时间序列数据的变量之间的格兰杰因果关系，从而检测机械系统的故障原因。

摘要： 本发明涉及地理信息技术领域，特别涉及一种基于格兰杰检验分析气候参数之间的因果关系的方法，所述方法包括：获取目标区域的目标时间段内的遥感气候数据，构建目标区域的遥感气候时间序列，从目标区域的遥感气候时间序列中，提取与第一类型气候标识对应的气候参数时间序列以及第二类型气候标识对应的气候参数时间序列；获得时间滞后参数，根据时间滞后参数，对第一类型气候标识对应的气候参数时间序列以及第二类型气候标识对应的气候参数时间序列进行错位处理，并对错位处理后的第一类型气候标识对应的气候参数时间序列以及第二类型气候标识对应的气候参数时间序列进行格兰杰因果关系校验，获得目标区域的待校验的第一类型气候标识与第二类型气候标识之间的因果关系。

摘要： 本发明公开了一种基于格兰杰因果关系和图论的运动意图脑肌网络构建方法。本发明首先同步采集到两种不同运动模式下的脑电和肌电信号，对信号进行预处理、分频段，选择与运动区域相关的部分电极进行分析，计算两种运动模式不同频段的脑电信号的功率谱密度，再构建自回归模型计算脑电或肌电信号之间的格兰杰因果关系，分析两种不同运动模式下，脑电信号和肌电信号之间的耦合强度，然后根据得到的信号之间的格兰杰因果关系构建脑肌网络，并利用图论的方法计算其网络特征参数，评估主动训练和被动训练的康复效果。本发明发明拓展了评估方法，有助于理解内在的机制，构建脑肌网络，可以研究大脑和肌肉之间的信息流动。