线性 Granger 因果关系

算法介绍

Granger 因果关系的实现 [1]，包括 1) 回归+假设检验 和 2) Lasso 回归 [2]。

用法

from causallearn.search.Granger.Granger import Granger
G = Granger()
p_value_matrix = G.granger_test_2d(data)
coeff = G.granger_lasso(data)

参数

data: numpy.ndarray，形状 (n_samples, n_features)。数据，其中 n_samples 是样本数，n_features 是特征数。注意对于 granger_test_2d()，输入数据的形状是 (n_samples, 2)。

返回值

p_value_matrix: 对于 x1->x2 和 x2->x1 的 p 值（对于 ‘granger_test_2d’，它是二维时间序列的 Granger 因果关系检验）。

coeff: 系数矩阵（对于 ‘granger_lasso’，它是多维时间序列的 Granger 因果关系检验）。