https://tcatmon.com/w/index.php?action=history&feed=atom&title=%EA%B7%B8%EB%A0%8C%EC%A0%80_%EC%9D%B8%EA%B3%BC%EC%84%B1 2026-05-04T07:12:13Z 이 문서의 편집 역사 MediaWiki 1.28.0 https://tcatmon.com/w/index.php?title=%EA%B7%B8%EB%A0%8C%EC%A0%80_%EC%9D%B8%EA%B3%BC%EC%84%B1&diff=819546&oldid=prev 2017-02-07T10:46:19Z

<p></p> <p><b>새 문서</b></p><div>Granger causality.<br /> <br /> == 개요 ==<br /> [[시계열]]을 분석하는 [[통계학]]/[[계량경제학]]적 방법으로, [[인과관계]]를 찾을 때 쓰인다.<br /> <br /> A와 B가 있을 때(예를 들어 매년 생산되는 닭의 수와 달걀의 수) A가 B를 그랜저 인과한다면(A granger causes B), B를 예측할 때 과거의 B값만을 사용하는 것보다 과거의 A값도 사용한 예측이 더 많은 정보를 제공한다는 것이다. 즉, A의 변화가 B의 변화를 예측할 수 있다는 것.<br /> <br /> 물론 이것이 일반적인 인과관계를 의미하는 것은 아니다. 여기서 말하는 인과관계는 시간적 인과관계, 혹은 시간적 순서를 의미한다. X,Y,Z의 세 변수가 있고 X가 Y,Z를 유발하는 원인이라 하자. 만약 X가 Y에 좀 더 빠르게 작용하고, Z에는 느리게 작용한다면 Y,Z를 대상으로 그랜저 인과관계를 검증할 때 Y가 Z를 그랜저 인과한다고 나오게 될 것이다. 여기서 Y가 Z의 원인이 아님은 물론이다.<br /> <br /> 하지만 이런 한계에도 불구하고 그랜저 인과검정은 매우 유용하다. 그랜저 인과하지 않는다면 인과관계가 없다는 것이기 때문이다.[* 뒤에 일어난 일이 먼저 일어난 일의 원인이 될 수는 없기 때문.]<br /> <br /> [[분류:계량경제이론]]</div>

Maintenance script