מבחן גריינג'ר – הבדלי גרסאות
תוכן שנמחק תוכן שנוסף
Lee gafter (שיחה | תרומות) אין תקציר עריכה |
שינויי ניסוח ותיקוני עברית |
||
שורה 1:
[[קובץ:GrangerCausalityIllustration.svg|thumb|348x348px|כאשר סדרה עתית X גריינג'ר-מסבירה את סדקה עתית Y, כיוון ועוצמת השינוי בערכי X, יופיעו בסדרה Y, לרב- בפיגור של כמה תקופות.]]
'''מבחן גריינג'ר''' הינו [[מבחן סטטיסטי]] הבודק את כוחה של [[סדרה עתית]] אחת
המבחן פותח על ידי החוקר קלייב גריינג'ר בשנת 1969, והפך לרווח בעיקר בתחומי ה[[כלכלה]]. עם השנים הפך המבחן לשימושי ומקובל גם בתחומי המדעים המדויקים כגון [[מדעי המוח]], [[הנדסה]]
== הגדרה ==
שורה 8:
=== קשר סיבתי חד כיווני פשוט ===
{{סטטיסטיפדיה}}
תהיה <math>Y_t</math> סדרה עתית [[סדרה עתית|סטאציונריות]] בה
עבור <math>U</math> ,[[מרחב הסתברות|מרחב האינפורמציה]] שנצברה עבור כלל המשתנים במודל
* מרחב האינפורמציה שנצברה אודות המשתנה בעבר: <math>\overline{A_i}:=\{A_{t-j}: j=1,2,3,...\}</math>
* מרחב האינפורציה שנצברה אודות המשתנה בעבר
נאמר כי <math>X</math> גריינג'ר-מסביר את <math>Y</math> אם ורק אם: <math>\sigma^2(Y|{U})<\sigma^2 (Y|\overline{U\backslash{X}})</math>.
כלומר, שימוש בכלל האינפורמציה במרחב <math>U</math>
מבחינת משוואות האמידה, נאמר כי המשוואה: <math>y_t=a+\sum_{j=1}^{K_y}b_jy_{t-j}+\sum_{j=1}^{K_x}b_jx_{t-j}</math> בעלת כוח הסבר רב יותר מן המשוואה: <math>y_t=a+\sum_{j=1}^{K_y}b_jy_{t-j}</math>.
== הרחבת המודל ==
שורה 24:
==== קשר סיבתי מיידי ====
ההבדל העיקרי בין קשר סיבתי פשוט
כלומר, שימוש בכלל האינפורמציה במרחב <math>\overline{U}</math>, עדיף על שימוש בכלל האינפורמציה אותו המרחב, ''למעט'' האינפורמציה אודות <math>\overline{\overline{X}}</math>.
מבחינת משוואות האמידה, נאמר כי המשוואה: <math>y_t=a+\sum_{j=1}^{K_y}b_jy_{t-j}+\sum_{j=0}^{K_x}b_jx_{t-j}</math> בעלת כוח הסבר רב יותר מן המשוואה: <math>y_t=a+\sum_{j=1}^{K_y}b_jy_{t-j}</math>.
==== קשר סיבתי בפיגור ====
עבור הסדרה <math>X_t</math> נגדיר את הסדרה <math>X(m):=\{X_{t-m}, X_{t-(m+1)}, X_{t-(m-2)},...\}</math>, כאשר: <math>m\in \N\backslash{\{0,1\}}</math>.
נאמר כי כי <math>X</math> גריינג'ר-מסביר בפיגור <math>m</math>
כלומר, שימוש בערכים: <math>X_t,X_{t-1},...,X_{t-(m-1)}</math> לא תורם לכח ההסבר של <math>X</math> את <math>Y</math>.
מבחינת משוואת האמידה, נאמר כי המשוואה: <math>y_t=a+\sum_{j=1}^{K_y}b_jy_{t-j}+\sum_{j=m}^{K_x}b_jx_{t-j}</math> בעלת כוח הסבר רב יותר מהמשוואה: <math>y_t=a+\sum_{j=1}^{K_y}b_jy_{t-j}+\sum_{j=0}^{K_x}b_jx_{t-j}</math>, וגם מן המשוואה: <math>y_t=a+\sum_{j=1}^{K_y}b_jy_{t-j}</math>.
=== קשרים דו-כיווניים ===
שורה 47:
=== היזון חוזר ===
תחת אותן ההגדרות
<math>\sigma^2(Y|{U})<\sigma^2 (Y|\overline{U\backslash{X}})</math>
שורה 53:
<math>\sigma^2(X|{U})<\sigma^2 (X|\overline{U\backslash{Y}})</math>
במצב זה, מתקיים
<math>y_t=a+\sum_{j=1}^{K_y}b_jy_{t-j}+\sum_{j=1}^{K_x}b_jx_{t-j}</math>
שורה 59:
<math>x_t=a+\sum_{j=1}^{K_x}b_jx_{t-j}+\sum_{j=1}^{K_y}b_jy_{t-j}</math>
<math>y_t=a+\sum_{j=1}^{K_y}b_jy_{t-j}</math>
שורה 66:
== מגבלות ==
מבחן גריינג'ר מהווה כלי אנליטי חזק בתחומים רבים, אך הוא אינו
* '''
* '''
* '''בעיות של שימוש יתר במשתנים -''' מכיוון שסדרות עתיות מושפעות מערכיהן בעבר, השימוש
* '''הנחת ההתפלגות הנורמלית של הטעות המקרית -''' מודל משוואת האמידה במבחן גריינג'ר תקף רק עבור סדרות בהן הטעות המקרית מתפלגת נורמלית
== ראו גם ==
|