Convergent Cross Mapping (CCM)
Convergent Cross Mapping (CCM) è un metodo non lineare basato sullo spazio degli stati per rilevare la causalità tra variabili di serie temporali incorporate in un sistema dinamico condiviso. Introdotto da George Sugihara e colleghi nel loro fondamentale articolo del 2012 su Science, il CCM sfrutta il teorema di embedding di Takens: se la variabile X influenza causalmente Y, il registro storico di Y contiene informazioni sufficienti per recuperare gli stati di X. La causalità è confermata quando l'abilità della cross-map migliora — converge — all'aumentare della lunghezza della libreria di serie temporali.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Sugihara, G., et al. (2012). Detecting causality in complex ecosystems. Science, 338(6106), 496–500. DOI: 10.1126/science.1227079 ↗
Come citare questa pagina
ScholarGate. (2026, June 2). Convergent Cross Mapping (CCM). ScholarGate. https://scholargate.app/it/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.
- Test di causalità di GrangerEconometria↔ compare
- Analisi Quantitativa delle Ricorrenze (RQA)Sistemi complessi↔ compare
- Transfer EntropyInferenza causale↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →