0

该函数的详细信息说：

该测试评估第二个时间序列是否导致第一​​个时间序列。评估两个 MLP 人工神经网络以执行测试，一个仅使用目标时间序列 (ts1)，第二个使用两个时间序列

我正在使用以下代码：

for (i in series[-5]) { 
    prueba = nlin_causality.test(ts1 = peru[,"gap_y"],ts2 = peru[,i],lag = 4,
                   LayersUniv = 1,LayersBiv = 1,iters = 10000,bias = F)
 og_nl[i,1] = round(prueba$Ftest,4)
 og_nl[i,2] = round(prueba$pvalue,4)
 }

输出如下表：

+-------------+-----------+----------+
|  Variable   |   F-stat  | P-value  |
+-------------+-----------+----------+
| Inflación   |   0.4468  |  0.7744  |
| Var.PBI     |   2.2039  |  0.0766  |
| Var.Emisión |   2.7633  |  0.0335  |
| gap_y       |   0.5546  |  0.6963  |
+-------------+-----------+----------+

所以从函数的细节我理解的是零假设是 ts2 确实会导致 ts1，所以如果我的 pvalue 低于我的 0.05，我可以说 ts2 不会导致 ts1？

谢谢

4

1 回答 1

1

该检验的解释类似于格兰杰因果检验。一般来说，检验的 p 值是在假设 H0 为真的情况下观察给定结果的概率。对于这个检验，H0 是非因果关系的假设。因此，例如，通过使用 5% 的阈值，大于 0.05 的 p_value 意味着 ts2 不会导致 ts1。

附带说明一下，单变量和双变量模型的隐藏层的大小都是向量而不是整数。例如，LayersUniv = c(1, 2) 等价于具有两个隐藏层的 MLP 模型，其中第一个包含一个神经元，第二个包含两个神经元。

最好的，优素福

于 2018-09-03T13:18:18.377 回答