Convergent Cross Mapping (CCM)
Convergent Cross Mapping (CCM) is een niet-lineaire methode voor toestandsruimteanalyse voor het detecteren van causaliteit tussen tijdreeksvariabelen die ingebed zijn in een gedeeld dynamisch systeem. Geïntroduceerd door George Sugihara en collega's in hun baanbrekende artikel uit 2012 in Science, maakt CCM gebruik van de inbeddingstheorema van Takens: als variabele X causale invloed heeft op Y, bevat het historische archief van Y voldoende informatie om de toestanden van X te reconstrueren. Causaliteit wordt bevestigd wanneer de cross-map vaardigheid verbetert – convergeert – naarmate de tijdreeksbibliotheek langer wordt.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- Sugihara, G., et al. (2012). Detecting causality in complex ecosystems. Science, 338(6106), 496–500. DOI: 10.1126/science.1227079 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Convergent Cross Mapping (CCM). ScholarGate. https://scholargate.app/nl/causal-inference/convergent-cross-mapping
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Granger-causaliteitstestEconometrie↔ vergelijken
- Recurrentie Kwantificatie Analyse (RQA)Complexe systemen↔ vergelijken
- Transfer EntropyCausale inferentie↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →