Mapeamento Cruzado Convergente (CCM)
O Mapeamento Cruzado Convergente (CCM) é um método não linear de espaço de estados para detectar causalidade entre variáveis de séries temporais incorporadas em um sistema dinâmico compartilhado. Introduzido por George Sugihara e colegas em seu artigo seminal de 2012 na Science, o CCM explora o teorema de incorporação de Takens: se a variável X influencia causalmente Y, o registro histórico de Y contém informações suficientes para recuperar os estados de X. A causalidade é confirmada quando a capacidade de mapeamento cruzado melhora — converge — à medida que a biblioteca de séries temporais se torna mais longa.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- Sugihara, G., et al. (2012). Detecting causality in complex ecosystems. Science, 338(6106), 496–500. DOI: 10.1126/science.1227079 ↗
Como citar esta página
ScholarGate. (2026, June 2). Convergent Cross Mapping (CCM). ScholarGate. https://scholargate.app/pt/causal-inference/convergent-cross-mapping
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Teste de Causalidade de GrangerEconometria↔ comparar
- Análise de Quantificação de Recorrência (RQA)Sistemas complexos↔ comparar
- Entropia de TransferênciaInferência causal↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →