Convergent Cross Mapping (CCM)
Convergent Cross Mapping (CCM) er en ikke-lineær metode baseret på tilstandsrum til at detektere kausalitet mellem tidsserier, der er indlejret i et fælles dynamisk system. CCM blev introduceret af George Sugihara og kolleger i deres skelsættende artikel i Science fra 2012 og udnytter Takens' indlejringsteorem: hvis variabel X kausalt påvirker Y, indeholder den historiske registrering af Y tilstrækkelig information til at rekonstruere tilstandene af X. Kausalitet bekræftes, når kryds-mappingens præcision forbedres – konvergerer – i takt med at tidsseriebiblioteket vokser i længde.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Sugihara, G., et al. (2012). Detecting causality in complex ecosystems. Science, 338(6106), 496–500. DOI: 10.1126/science.1227079 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Convergent Cross Mapping (CCM). ScholarGate. https://scholargate.app/da/causal-inference/convergent-cross-mapping
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Granger-kausalitetstestØkonometri↔ compare
- Recurrence Quantification Analysis (RQA)Komplekse systemer↔ compare
- Transfer EntropyKausal inferens↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →