الانحدار الحركة من المتوسط - investopedia

الانحدار الذاتي المتكامل المتوسط ​​المتحرك - أريما تعريف المتوسط ​​المتحرك المتكامل الانتصاري - أريما نموذج تحليل إحصائي يستخدم بيانات السلاسل الزمنية للتنبؤ بالاتجاهات المستقبلية. وهو شكل من أشكال تحليل الانحدار الذي يسعى للتنبؤ بالتحركات المستقبلية على طول المشي العشوائي الذي يبدو من قبل الأسهم والسوق المالية من خلال دراسة الاختلافات بين القيم في سلسلة بدلا من استخدام قيم البيانات الفعلية. ويشار إلى التأخر في سلسلة الاختلاف باسم الانحدار الذاتي، ويشار إلى التأخر في البيانات المتوقعة كمتوسط ​​متحرك. بريكينغ دون الانحدار التلقائي المتوسط ​​المتحرك المتكامل - أريما يشار إلى هذا النوع من النماذج عموما باسم أريما (p، d، q)، مع الأعداد الصحيحة التي تشير إلى الانحدار الذاتي. متكاملة ومتحركة أجزاء من مجموعة البيانات، على التوالي. أريما النمذجة يمكن أن تأخذ في الاعتبار الاتجاهات والموسمية. والدورات، والأخطاء، والجوانب غير الثابتة لمجموعة البيانات عند وضع التنبؤات. المعدل المتحرك المتكامل النشط - أريما نموذج تحليل إحصائي يستخدم بيانات السلاسل الزمنية للتنبؤ بالاتجاهات المستقبلية. وهو شكل من أشكال تحليل الانحدار الذي يسعى للتنبؤ بالتحركات المستقبلية على طول المشي العشوائي الذي يبدو من قبل الأسهم والسوق المالية من خلال دراسة الاختلافات بين القيم في سلسلة بدلا من استخدام قيم البيانات الفعلية. ويشار إلى التأخر في سلسلة الاختلاف باسم الانحدار الذاتي، ويشار إلى التأخر في البيانات المتوقعة بالمتوسط ​​المتحرك. ويشار إلى هذا النوع من النماذج عموما باسم أريما (p، d، q)، مع الأعداد الصحيحة التي تشير إلى أجزاء الانحدار الذاتي والمتكامل والمتحرك لمجموعة البيانات على التوالي. ويمكن أن تأخذ نمذجة أريما في الاعتبار الاتجاهات والموسمية والدورات والأخطاء والجوانب غير الثابتة لمجموعة البيانات عند وضع التنبؤات. متغاير المشروطية المشروطة التلقائية - (غارتش) نموذج إحصائي تستخدمه المؤسسات المالية لتقدير تقلب عوائد الأسهم. وتستخدم هذه المعلومات من قبل البنوك للمساعدة في تحديد ما يمكن أن توفره الأسهم من عوائد أعلى، فضلا عن توقع عوائد الاستثمارات الحالية للمساعدة في عملية الميزنة. هناك العديد من الاختلافات من غارتش، بما في ذلك نغارتش لتشمل الارتباط، و إيغارتش الذي يقيد معلمة التقلب. ويمكن استخدام كل نموذج لاستيعاب الصفات المحددة للسهم أو الصناعة أو الحالة الاقتصادية. السببية السببية غرانجر السببية هو مفهوم إحصائي للسببية التي تقوم على التنبؤ. وفقا لسببية غرانجر، إذا كانت إشارة X 1 غرانجر الأسباب (أو G - الأسباب) إشارة X 2. فإن القيم السابقة لل X 1 ينبغي أن تحتوي على معلومات تساعد على التنبؤ X 2 فوق المعلومات الواردة في القيم السابقة لل X 2 وحدها. وتستند صياغتها الرياضية على نمذجة الانحدار الخطي للعمليات العشوائية (غرانجر 1969). وتوجد ملحقات أكثر تعقيدا للحالات غير الخطية، إلا أن هذه الإضافات غالبا ما تكون أكثر صعوبة في التطبيق العملي. وقد تم تطوير السببية غرانجر (أو G - السببية) في 1960s، وكان يستخدم على نطاق واسع في الاقتصاد منذ 1960s. ومع ذلك فإنه فقط في غضون السنوات القليلة الماضية أن التطبيقات في علم الأعصاب أصبحت شعبية. حساب شخصي من قبل كليف غرانجر الشكل 1: البروفسور كليف W. J. غرانجر، المتلقي لجائزة نوبل في الاقتصاد 2003 وفيما يلي حساب شخصي لتطوير غرانجر السببية يرجى تقديمها من قبل البروفيسور كليف جرانجر (الشكل 1). الرجاء عدم تعديل هذا القسم. وقد أبقى موضوع كيفية تعريف السببية الفلاسفة مشغولين لأكثر من ألفي سنة، ولا يزال يتعين حلها. إنها مسألة ملتوية عميقة مع العديد من الأجوبة المحتملة التي لا ترضي الجميع، ومع ذلك فإنها لا تزال ذات أهمية. ويود المحققون أن يعتقدوا أنهم وجدوا سببا، وهو علاقة أساسية عميقة وربما يحتمل أن يكون مفيدا. في أوائل الستينات كنت أفكر في زوج من العمليات العشوائية ذات الصلة التي كانت مترابطة بوضوح وأردت أن أعرف ما إذا كان يمكن تقسيم هذه العلاقة إلى زوج من العلاقات طريقة واحدة. واقترح لي أن أنظر إلى تعريف السببية التي اقترحها عالم الرياضيات الشهير جدا، نوربرت وينر، لذلك أنا تكييف هذا التعريف (ويينر 1956) إلى شكل عملي وناقشها. وجد الاقتصاديون التطبيقيون تعريف مفهومة وقابلة للاستخدام والتطبيقات التي بدأت تظهر. ومع ذلك، ذكر العديد من الكتاب أن بطبيعة الحال، هذه ليست السببية الحقيقية، بل هو فقط غرانجر السببية. وهكذا، منذ البداية، استخدمت التطبيقات هذا المصطلح لتمييزه عن التعريفات الممكنة الأخرى. تعريف جرانجر الأساسية سببية بسيطة جدا. لنفترض أن لدينا ثلاث مصطلحات، (شت،) (يت،) و (وت،) وأننا نحاول أولا التنبؤ (X) باستخدام المصطلحات السابقة (شت) و (بالوزن). ثم نحاول التنبؤ (X) باستعمال المصطلحات السابقة ل (شت) (يت،) و (وت.) إذا وجد أن التنبؤ الثاني أكثر نجاحا، وفقا لوظائف التكلفة القياسية، يبدو أن الماضي (Y) يحتوي على معلومات تساعد في التنبؤ (X ) التي ليست في الماضي (شت) أو (وت.) على وجه الخصوص، (وت) يمكن أن يكون متجه للمتغيرات التفسيرية المحتملة. وهكذا، (يت) سوف غرانجر سبب (X) إذا (أ) (يت) يحدث قبل (X) و (ب) أنه يحتوي على معلومات مفيدة في التنبؤ (X) التي لم يتم العثور عليها في مجموعة من المتغيرات المناسبة الأخرى. وبطبيعة الحال، فإن أكبر (بالوزن) هو، ويتم اختيار محتوياتها بعناية أكبر، ومعيار أكثر صرامة (يت) يمر. في نهاية المطاف، (يت) قد يبدو أن تحتوي على معلومات فريدة حول (X) التي لم يتم العثور عليها في متغيرات أخرى وهذا هو السبب في التسمية السببية ربما يكون مناسبا. ويعتمد التعريف بشكل كبير على فكرة أن السبب يحدث قبل التأثير، وهو أساس معظم تعاريف السببية، وليس كلها. بعض الآثار هي أنه من الممكن (يت) أن يسبب (X) و (شت) أن يسبب (Y،) نظام ستوكاستيك ردود الفعل. ومع ذلك، فإنه من غير الممكن لعملية محددة، مثل الاتجاه الأسي، أن يكون سببا أو أن يكون سببه متغير آخر. ومن الممكن صياغة اختبارات إحصائية أعطيها الآن كسببية G، وكثير منها متاح، كما يتم وصفها في بعض الكتب الاقتصادية الاقتصادية (انظر أيضا القسم التالي والمراجع). وقد تم الاستشهاد بالتعريف على نطاق واسع وتطبيقه لأنه عملي، يسهل فهمه، وتطبيقه. ومن المتفق عليه عموما أنه لا يشمل جميع جوانب السببية، ولكن يكفي أن يكون يستحق النظر في اختبار تجريبي. وهناك الآن عدد من التعريفات البديلة في الاقتصاد، ولكنها لا تستخدم إلا قليلا لأنها أقل سهولة في التنفيذ. مراجع أخرى لهذا الحساب الشخصي هي (غرانجر 1980 غرانجر 2001). التكوين الرياضي يتم اختبار السببية G عادة في سياق نماذج الانحدار الخطي. وللتوضيح، يجب النظر في نموذج الانحدار الذاتي الخطي ثنائي المتغير للمتغيرين (X1) و (X2 :) حيث (p) هو الحد الأقصى لعدد الملاحظات المتخلفة المدرجة في النموذج (ترتيب النموذج)، وتحتوي المصفوفة (A) على معاملات فإن النموذج (أي مساهمات كل ملاحظة متأخرة إلى القيم المتوقعة (X1 (t)) و (X2 (t)) و (E1) و (E2) هي بقايا (أخطاء التنبؤ) لكل سلسلة زمنية، (E1) (أو (E2)) بإدراج المصطلحات (X2) (أو (X1)) في المعادلة الأولى (أو الثانية)، يقال إن (X2) (أو (X1) (X) G-كيسس (X1) إذا كانت المعاملات في (A) مختلفة بشكل مشترك عن الصفر، وهذا يمكن اختباره من قبل إجراء اختبار F للفرضية الصفرية (A) 0، مع افتراضات استبانة التباين على (X1) و (X2). ويمكن تقدير حجم تفاعل السببية G من خلال لوغاريتم الإحصائيات F المقابلة ( جيويك 1982) يمكن استخدام معايير اختيار النموذج، مثل معيار معلومات بايز (بيك، (ششوارتز 1978)) أو معيار أكايك للمعلومات (إيك، (أكايك 1974) لتحديد ترتيب النموذج المناسب (p.) الشكل 2: اثنين من الارتباطات الممكنة التي لا يمكن تمييزها عن طريق تحليل الزوجين. مقتبس من دينغ وآخرون. (2006). وكما هو مذكور في القسم السابق، يمكن توسيع نطاق السببية G بسهولة إلى الحالة المتغيرة (n) حيث (ngt2،) من خلال تقدير نموذج الانحدار الذاتي المتغير (n). في هذه الحالة، (X2) أسباب G (X1) إذا كانت الملاحظات المتأخرة من (X2) تساعد على التنبؤ (X1) عندما تؤخذ الملاحظات المتأخرة لجميع المتغيرات الأخرى (X3 لدوتس شن) بعين الاعتبار أيضا. (هنا، (X3 لدوتس شن) تتوافق مع المتغيرات في مجموعة (W) في القسم السابق انظر أيضا بودجلابا وآخرون (1992) لتفسير باستخدام نماذج المتوسط ​​المتحرك الانحدار الذاتي (أرما).) هذا التمديد متعدد المتغيرات، (دينغ وآخرون 2006)، مفيدة للغاية لأن التحليلات المزدوجة المتكررة بين متغيرات متعددة يمكن أن تعطي أحيانا نتائج مضللة. على سبيل المثال، فإن تحليلات المتغيرات الثنائية المتغيرة لن تكون قادرة على إزالة التشابك بين نمطي التوصيل في الشكل 2. وعلى النقيض من ذلك، فإن التحليل المشروط متعدد المتغيرات يستنتج علاقة سببية من (X) إلى (Y) فقط إذا كانت المعلومات السابقة في (X) (Y) أعلى من تلك الإشارات بوساطة (Z.) وثمة مثال آخر تكون فيه قيمة السببية G المشروطة قيمة عندما يكون مصدر واحد يقود نواتج مع تأخيرات زمنية مختلفة. ومن شأن التحليل الثنائي المتغير، وليس التحليل المتعدد المتغيرات، أن يستنتج زورا وجود علاقة سببية من المخرجات مع التأخر الأقصر في الإخراج مع التأخر الأطول. ويؤدي تطبيق الصياغة المذكورة أعلاه للسببية G إلى افتراضين هامين حول البيانات: (1) أن التباين ثابت (أي أن متوسط ​​وتغير كل سلسلة زمنية لا يتغير بمرور الوقت)، و (2) أنه يمكن أن يكون وصفها بشكل كاف نموذج خطي. سيصف قسم القيود والإضافات الإضافات الحديثة التي تحاول التغلب على هذه القيود. السببية الطيفية G باستخدام أساليب فورييه من الممكن فحص G - السببية في المجال الطيفي (جيويك 1982 كامينسكي وآخرون، 2001). هذا يمكن أن يكون مفيدا جدا للإشارات العصبية، حيث تحلل التردد غالبا ما تكون ذات فائدة. وبشكل حدسي، تقيس العلاقة السببية الطيفية من (X1) إلى (X2) جزء القدرة الكلية عند التردد (f) من (X1) الذي يساهم به (X2). وللاطلاع على أمثلة لمزايا العمل في مجال التردد انظر التطبيق في علم الأعصاب. من أجل الاكتمال، نقدم أدناه التفاصيل الرياضية للسببية الطيفية G. تحويل فورييه من (1) يعطي فيها مكونات (A) هي معادلات إعادة كتابة (2) حيث حيث (H) هو مصفوفة النقل. ويمكن أن تستمد المصفوفة الطيفية (S) الآن S (f) x x (f) x (f) رانغل لانغل H (f) سيغما H (f) رانجل حيث تشير العلامة النجمية إلى تبديل المصفوفة والتعقيد المعقد. (سيغما) هو مصفوفة التباين المشترك للمخلفات (E (t)، و (H) هي مصفوفة النقل. وتكون العلاقة السببية الطيفية من (j) إلى (i) حينئذ (S (f)) هي طيف القدرة للمتغير (i) عند التردد (f.) (وقد تم تكييف هذا التحليل من (بروفيلي إت آل. 2004 كامينسكي وآخرون 2001)). العمل الأخير من قبل تشن وآخرون. (2006) إلى أن تطبيق جيويكيس الطيفية G - سببية إلى متعددة المتغيرات (gt2) سلسلة زمنية العصبية أحيانا يؤدي إلى السببية السلبية في ترددات معينة، وهي النتيجة التي تهرب من التفسير المادي. وقد اقترحوا نسخة منقحة مشروطة من قياس جيويكيس التي قد التغلب على هذه المشكلة باستخدام طريقة مصفوفة التقسيم. وتناقش بريتونغ و كاندلون (2006) و هوسويا (1991) الاختلافات الأخرى في السببية الطيفية. وهناك تدابيران بديلان يرتبطان ارتباطا وثيقا بالسببية الطيفية (G-سبوساليتي) هما التماسك الموجه جزئيا (باكالا أمب سامشيما 2001) ووظيفة النقل الموجه (كامينسكي وآخرون 2001 يشيران إلى أن هؤلاء المؤلفين أظهروا تكافؤا بين وظيفة النقل الموجه والسببية الطيفية G) . وللاطلاع على نتائج المقارنة بين هذه الأساليب انظر بكالا وسامشيما (2001)، غوريفيتش وآخرون. (2006)، وبيريدا وآخرون. (2005). وخلافا للصياغة الأصلية لمجال الزمن للسببية G، لم يتم بعد توضيح الخصائص الإحصائية لهذه التدابير الطيفية. وهذا يعني أن اختبار الأهمية كثيرا ما يعتمد على البيانات البديلة، كما أن تأثير المعالجة المسبقة للإشارة (مثل التجانس والتصفية) على السببية المقاسة لا يزال غير واضح. التقييدات والإضافات يمكن أن تعطي الصيغة الأصلية للسببية G معلومات عن السمات الخطية للإشارات فقط. وتوجد الآن ملحقات لحالات غير خطية، غير أن هذه الامتدادات يمكن أن تكون أكثر صعوبة في الممارسة العملية وخصائصها الإحصائية أقل فهما جيدا. في نهج فريوالد وآخرون. (1999) تنقسم البيانات غير الخطية عالميا إلى أحياء خطية محليا (انظر أيضا تشن وآخرون 2004)، في حين أنكونا وآخرون. (2004) يستخدم طريقة وظيفة أساس شعاعي لأداء الانحدار اللاخطي العالمي. ستاتيوناريتي ويفترض تطبيق G - السببية أن الإشارات التي تم تحليلها هي التباين ثابتة. ويمكن معالجة البيانات غير الثابتة باستخدام تقنية نافذة (هيس إت آل. 2003) على افتراض أن النوافذ القصيرة بما فيه الكفاية لإشارة غير ثابتة ثابتة محليا. وهناك نهج ذي صلة يستفيد من الطبيعة التجريبية لكل التجارب العصبية العديدة (دينغ وآخرون 2000). في هذا النهج، يتم التعامل مع السلاسل الزمنية من التجارب المختلفة على أنها تحقيقات منفصلة لعملية عشوائية غير ثابتة مع قطاعات ثابتة محليا. االعتماد على المتغيرات الملحوظة إن التعليق العام على جميع عمليات تطبيق السببية G هو أنها تعتمد كليا على االختيار المناسب للمتغيرات. ومن الواضح أن العوامل السببية التي لا تدرج في نموذج الانحدار لا يمكن تمثيلها في المخرجات. وبالتالي، لا ينبغي أن تفسر G - السببية على أنها تعكس مباشرة السببية السببية المادية (انظر الحساب الشخصي). التطبيق في علم الأعصاب الشكل 3: التفاعلات السببية بين أجهزة الاستشعار إيغ خلال المرحلة 2 النوم. مقتبس من كامينسكي وآخرون (2001). على مدى السنوات الأخيرة كان هناك اهتمام متزايد في استخدام G - السببية لتحديد التفاعلات السببية في البيانات العصبية. على سبيل المثال، طبقت بيرناسكوني و كونيغ (1999) التدابير الطيفية لجويكيس لوصف التفاعلات السببية بين المناطق المختلفة في القشرة البصرية القط، ليانغ وآخرون. (2000) تقنية طيفية متغيرة زمنيا للتمييز بين التغذية العكسية والتغذية المرتدة والتأثيرات الديناميكية الجانبية في القشرة البصرية البطنية القردية أثناء تمييز النمط، كامينسكي إت آل. (2001) زيادة الأمامية إلى التأثيرات السببية الخلفية أثناء الانتقال من الاستيقاظ إلى النوم عن طريق تحليل إشارات التخطيط الدماغي (الشكل 2). في الآونة الأخيرة، بروفيلي وآخرون. (2004) حددت التأثيرات السببية من القشرة الحسية الجسدية الأولية إلى القشرة الحركية في نطاق بيتا التردد (15-30 هرتز) خلال رافعة الضغط من قبل القرود مستيقظا. في مجال التصوير بالرنين المغناطيسي الوظيفي. روبروك وآخرون. (2005) تطبيق G - السببية إلى البيانات المكتسبة خلال مهمة فيسوموتور معقدة، وساتو وآخرون. (2006) تباين المويجة من السببية G لتحديد التأثيرات السببية المتغيرة بمرور الوقت. كما تم تطبيق G - السببية على محاكاة النظم العصبية من أجل التحقيق في العلاقة بين الخلايا العصبية. ديناميات الشبكة. والسلوك (سيث 2005 سيث أمب إدلمان 2007). وهناك موضوع متكرر في تطبيق G-سباسيالي إلى البيانات التجريبية هو ما إذا كان الهدف هو استعادة الربط الهيكلي الأساسي، أو تقديم وصف لديناميات الشبكة التي قد تختلف عن الهيكل. وفي الحالة الأولى، نجحت علاقة السببية G ومشتقاتها في الحد من التفاعلات غير المباشرة (باستخدام العلاقة السببية المشروطة) والمتغيرات غير المرصودة (مشكلة لم تحل). وفي الحالة الأخيرة، ومع أن هذه العوامل لا تزال مهمة، فإن ديناميات الشبكة تعتبر منتجا مشتركا لهيكل الشبكة والعمليات الدينامية التي تعمل على هذا الهيكل، والتي يمكن أن تتشكل حسب البيئة والسياق. وتعتبر السببية الطيفية G مثالا جيدا على وصف سببي يتجاوز الاستدلال البنيوي. وتقدم أمثلة أخرى عن طريق أعمال النمذجة التي تبين كيف يمكن لهيكل الشبكة نفسه أن يولد شبكات سببية مختلفة تبعا للسياق (سيث 2005 سيث أمب إدلمان 2007). تقنيات بديلة نظرية المعلومات شريبر (2000) قدم مفهوم الانتروبيا نقل وهو نسخة من المعلومات المتبادلة التي تعمل على الاحتمالات المشروطة. وهي مصممة للكشف عن تبادل المعلومات الموجهة بين متغيرين، مكيفة التاريخ المشترك والمدخلات. لمقارنة الانتروبيا نقل مع التدابير السببية الأخرى، بما في ذلك مختلف تطبيقات G - السببية، انظر (لونغاريلا وآخرون (في الصحافة)). ميزة من التدابير النظرية المعلومات، بالمقارنة مع G - السببية القياسية، هو أنها حساسة لخصائص إشارة غير الخطية. الحد من الانتروبيا نقل، بالمقارنة مع G - السببية، هو أنه يقتصر حاليا على الحالات ثنائية المتغير. أيضا، تتطلب المعلومات النظرية التدابير في كثير من الأحيان بيانات أكثر بكثير من أساليب الانحدار مثل G - السببية (بيريدا وآخرون، 2005). نماذج الاحتمالات القصوى للبيانات العصبية التي تتكون من قطارات ارتفاع. فمن الممكن استخدام مزيج من نظرية عملية نقطة والنمذجة أقصى احتمال للكشف عن التفاعلات السببية داخل مجموعة من الخلايا العصبية (كورنوبوي وآخرون 1988 أوكاتان وآخرون 2005). الأطر البديلة التقنيات المذكورة أعلاه (بما في ذلك G-سباسيالي) هي بيانات مدفوعة بقدر ما يتم الاستدلال على التفاعلات السببية مباشرة من السلاسل الزمنية المسجلة في وقت واحد. ويعطي إطار نمذجة المعادلة الهيكلية (كلاين 2005) إطارا مختلفا يحركه النموذج لتحليل السببية. في هذا النهج، يتم افتراض نموذج سببي أولا، ثم يتم تقدير المعلمات الحرة، وبعد ذلك فقط هو تناسب النموذج للبيانات التي تم تقييمها. في حين أن هذه الطريقة تجعل استخدام البيانات أكثر كفاءة من معيار السببية G، فإنه يفعل ذلك على حساب تقييد قيود ممكن. أوصاف سببية. وثمة إطار بديل آخر لتحديد السببية هو قياس آثار الاضطرابات أو الآفات الانتقائية (كينان وآخرون 2004 تونوني أمب سبورنز 2003). في حين أن هذه الطريقة يمكن من حيث المبدأ تقديم معلومات لا لبس فيها حول السلاسل السببية المادية، اضطراب أو ليسيونينغ نظام ليس دائما ممكنا أو مرغوبا وقد تعطل السلوك الطبيعي للنظام. ملاحظات ختامية أصبحت طرق تحليل السلاسل الزمنية بارزة على نحو متزايد في محاولات لفهم العلاقات بين بنية الشبكة وديناميات الشبكة في إعدادات علم الأعصاب. وتوجد الآن العديد من الأساليب الخطية وغير الخطية، استنادا إلى مجموعة متنوعة من التقنيات بما في ذلك نمذجة الانحدار، نظرية المعلومات، ونظرية النظم الديناميكية (غوريفيتش وآخرون 2006 بيريدا وآخرون، 2005). يوفر السببية G طريقة واحدة، في أبسط أشكالها (انظر صياغة الرياضية)، من السهل تنفيذها ويستند على أساس إحصائي ثابت. وتوجد الآن تمديدات أكثر تعقيدا لنطاق التردد وإلى بيانات غير خطية ولا تزال قيد التطوير. ومع ذلك، في تحليل الإشارات الفسيولوجية العصبية قد يكون هذا بسيط، يجب أن تحاكم الأساليب الخطية أولا قبل الانتقال إلى بدائل أكثر تعقيدا. ويمكن الاطلاع على استعراض مفصل لنظرية وتطبيق G - السببية في دينغ وآخرون. (2006). وقد قدم جيمس P. ليسيج مجموعة الأدوات التي تشمل تحليل السببية G بين مجموعة واسعة من الروتين الاقتصادي القياسي. هذه الأدوات، والمصممة ل ماتلاب (ماثوركس، ناتيك، ما)، يمكن تحميلها من المكانية الاقتصاد القياسي. وقد وضعت أنيل K. سيث مجموعة الأدوات التي تركز على المجال الزمني G - السببية والتي تتضمن طرق التحليل البياني-النظري للتفاعلات G - السببية. هذه الأدوات، والمصممة أيضا ل ماتلاب، يمكن تحميلها من أنيل K سيثس الموقع. يتم توفير وصلات إلى العديد من الموارد ماتلاب أخرى لمجموعة متنوعة من أساليب تحليل السلاسل الزمنية غير الخطية في ملحق بيريدا وآخرون. (2005). الروابط الخارجية المراجع أكايك، H. 1974 نظرة جديدة على تحديد النموذج الإحصائي. إيي ترانز. أبوا. كونترول 19، 716-723. أنكونا، N. مارينازو، D. أمب ستراماغليا، S. 2004 نهج أساس شعاعي على أساس غير الخطية غرانجر السببية من سلسلة زمنية. فيسيكال ريفيو E 70، 056221. باكالا، L. A. أمب سامشيما، K. 2001 التماسك الموجه جزئيا: مفهوم جديد في تحديد البنية العصبية. بيول سيبرن 84، 463-74. بيرناسكوني، C. أمب كونيغ، P. 1999 على اتجاه التفاعلات القشرية التي درسها التحليل الهيكلي للتسجيلات الكهربية. بيول سيبيرن 81، 199-210. بولجابا، H. دوفور، J. أمب روي، R. 1992 اختبار السببية بين متجهين في النماذج المتغيرة للانحدار الذاتي متعدد المتغيرات. مجلة الجمعية الإحصائية الأمريكية 87، 1082-90. بريتونغ، J. أمب كاندلون، B. 2006 اختبار السببية القصيرة والطويلة المدى: نهج نطاق التردد. مجلة الاقتصاد القياسي 132، 363-378. بروفيلي، A. دينغ، M. ليدبيرغ، A. تشن، Y. ناكامورا، R. أمب بريسلر، S. L 2004 التذبذبات بيتا في شبكة القوقعة الحسية واسعة النطاق: التأثيرات الاتجاهية التي كشفت عن السببية غرانجر. بروك ناتل أكاد سسي U S A 101، 9849-54. تشن، Y. بريسلر، S. L. أمب دينغ، M. 2006 تحلل التردد للشربية غرانجر الشرطية وتطبيق البيانات متعددة المجالات العصبية المحتملة. J نيوروسي ميثودس 150، 228-37. تشن، Y. رانغاراجان، G. فنغ، J. أمب دينغ، M. 2004 تحليل سلسلة زمنية غير خطية متعددة مع سببية جرانجر الموسعة. فيسيكس ليترز A 324، 26-35. كورنوبوي، E. S. سكرم، L. P. أمب كار، A. F. 1988 أقصى احتمال لتحديد نظم عملية النقطة العصبية. بيول سيبيرن 59، 265-75. دينغ، M. تشن، Y. أمب بريسلر، S. L. 2006 جرانجر السببية: النظرية الأساسية والتطبيق لعلم الأعصاب. في شيلتر. S. وينترهالدر، N. أمب تيمر، J. هاندبوك أوف تايم سيريز أناليسيس. وايلي، وينهايم. H. 2000 بريسلر، S. L. يانغ، W. أمب ليانغ، H. 2000 التحليل الطيفي للنوافذ القصيرة للقدرات القشرية ذات الصلة بالحدث من خلال نمذجة الانحدار الذاتي المتكيف المتعدد المتغيرات: المعالجة المسبقة للبيانات، والتحقق من صحة النموذج، وتقييم التباين. بيبرولوجيكال سيبرنيتيكش 83، 35-45. فريودالد، وا فالديس، P. بوش، J. بيسكاي، R. جيمينيز، جس رودريجيز، لم رودريجيز، V. كريتر، أك أمب سينغر، W. 1999 اختبار اللاخطية وتوجيه التفاعلات بين المجموعات العصبية في القشرة المخبرية الصدغي للقمح . J نيوروسي طرق 94، 105-19. جيويك، J. 1982 قياس الاعتماد الخطي وردود الفعل بين سلسلة زمنية متعددة. مجلة الجمعية الإحصائية الأمريكية 77، 304-313. غوريفيتش، B. بوكين-جينز، R. L. أمب فوكون، G. 2006 السببية الخطية وغير الخطية بين الإشارات: الطرق والأمثلة والتطبيقات العصبية. بيول سيبيرن 95، 349-369. غرانجر، C. W. 1969 التحقيق في العلاقات السببية من خلال نماذج الاقتصاد القياسي والطرق عبر الطيفية. إكونوميتريكا 37، 424-438. جرانجر، C. W. J. 1980 اختبار السببية: وجهة نظر شخصية. مجلة الديناميات الاقتصادية والتحكم 2، 329-352. جرانجر، C. W. J. 2001 مقالات في الاقتصاد القياسي: الأوراق المجمعة من كليف W. J. غرانجر. كامبريدج: مطبعة جامعة كامبريدج. هيس، W. مولر، E. أرنولد، M. أمب ششاك، B. 2003 استخدام الوقت البديل إيغ غرانجر السببية لفحص التكافل الموجهة من الجمعيات العصبية. J نيوروسي طرق 124، 27-44. هوسويا، Y. 1991 تحلل وقياس الترابط بين العمليات الثابتة من الدرجة الثانية. نظرية الاحتمالات والمجالات ذات الصلة 88، 429-444. كامينسكي، M. دينغ، M. تروكولو، W. A. ​​أمب بريسلر، S. L. 2001 تقييم العلاقات السببية في الأنظمة العصبية: السببية غرانجر، وظيفة نقل الموجه والتقييم الإحصائي للأهمية. بيول سيبرن 85، 145-57. كينان، A. ساندبانك، B. هيلجيتاغ، C. C. ميليجسون، I. أمب روبين، E. 2004 فير إكسيراتيون أوف فونكتيون أسيستانت إن إندستريال أند بيولوجيكال نيتوركس. نيورال كومبوت 16، 1887-915. كلاين، R. B. مبادئ وممارسات 2005 النمذجة المعادلة الهيكلية: مطبعة غيلدفورد. ليانغ، H. دينغ، M. ناكامورا، R. أمب بريسلر، S. L. 2000 السببية التأثيرات في القشرة الدماغية الرئيسيات خلال التمييز نمط البصرية. نيوروربورت 11، 2875-80. لونغاريلا، M. إشيغورو، K. كونيوشي، Y. أمب أوتسو، N. (إن بريس) طرق قياس البنية السببية للمسلسل الزمني ثنائي المتغير. المجلة الدولية للتشعب والفوضى. أوكاتان، M. ويلسون، M. A. أمب براون، E. N. 2005 تحليل الاتصال الوظيفي باستخدام نموذج الاحتمال الشبكي لنشاط الانصهار العصبي الجماعي. نيورال كومبوت 17، 1927-61. بيريدا، E. كيروجا، R. Q. أمب بهاتشاريا، J. 2005 تحليل متعدد المتغيرات غير الخطية للإشارات العصبية. بروج نيوروبيول 77، 1-37. روبرويك، A. فورميسانو، E. أمب غوبيل، R. 2005 رسم الخرائط توجيه تأثير على الدماغ باستخدام السببية جرانجر والرنين المغناطيسي الوظيفي. نيوروماج 25، 230-42. 2006 A. طريقة لإنتاج خرائط التوصيل الوظيفي المتطورة أثناء تجربة الرنين المغناطيسي الوظيفي باستخدام السببية التي تعتمد على المويجات المتغيرة للجرانجر. نيوروماج 31، 187-96. شكريبر، T. 2000 قياس نقل المعلومات. فيس ريف ليت 85، 461-4. شوارتز، G. 1978 تقدير أبعاد النموذج. ذي أنالس أوف ستاتيستيكش 5، 461-464. سيث، A. K. 2005 تحليل الربط السببي للشبكات العصبية المتطورة أثناء السلوك. الشبكة: الحوسبة في النظم العصبية 16، 35-55. سيث، A. K. أمب إدلمان، G. M 2007 التمييز بين التفاعلات السببية في السكان العصبية. العصبي كومبوت. 19 (4): 910-933 تونوني، G. أمبير سبورنز، O. 2003 قياس تكامل المعلومات. بمك نيوروسسي 4، 31. ويينر، N. 1956 نظرية التنبؤ. في الرياضيات الحديثة للمهندسين، المجلد. 1 (إد E. E. بيكنباش). نيويورك: ماكجرو هيل.