Konvergent korsmappning (CCM)
Konvergent korsmappning (CCM) är en icke-linjär metod för tillståndsrummet för att detektera kausalitet mellan tidsserier som är inbäddade i ett gemensamt dynamiskt system. CCM, som introducerades av George Sugihara och kollegor i deras banbrytande artikel i Science 2012, utnyttjar Takens inbäddningsteorem: om variabeln X kausalt påverkar Y, innehåller Y:s historiska data tillräckligt med information för att återvinna X:s tillstånd. Kausalitet bekräftas när korsmappningsfärdigheten förbättras – konvergerar – när tidsserien blir längre.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- Sugihara, G., et al. (2012). Detecting causality in complex ecosystems. Science, 338(6106), 496–500. DOI: 10.1126/science.1227079 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Convergent Cross Mapping (CCM). ScholarGate. https://scholargate.app/sv/causal-inference/convergent-cross-mapping
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Granger kausalitetstestEkonometri↔ jämför
- Rekurrenskvantifieringsanalys (RQA)Komplexa system↔ jämför
- Transfer EntropyKausal inferens↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →