เปรียบเทียบวิธี

	แบบจำลอง ARIMA (Autoregressive Integrated Moving Average)	การทดสอบความเป็นเหตุเป็นผลแบบแกรนเจอร์ (Granger Causality Test)
สาขาวิชา	เศรษฐมิติ	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2015	1969
ผู้ริเริ่ม	Box & Jenkins (Box-Jenkins methodology)	Clive W. J. Granger
ประเภท	Univariate time-series model	Time-series predictive causality test
แหล่งต้นตำรับ	Box, G. E. P., Jenkins, G. M., Reinsel, G. C. & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley. ISBN: 978-1118675021	Granger, C. W. J. (1969). Investigating Causal Relations by Econometric Models and Cross-spectral Methods. Econometrica, 37(3), 424-438.
ชื่อเรียกอื่น	Box-Jenkins model, ARIMA(p,d,q), ARIMA Modeli	Granger causality test, Granger non-causality test, predictive causality test, Granger Nedensellik Testi
ที่เกี่ยวข้อง	5	5
สรุป	ARIMA is a univariate time-series forecasting model that combines autoregressive, integrated (differencing), and moving-average components to predict a single continuous series from its own past. It is the centrepiece of the Box-Jenkins methodology set out in Box, Jenkins, Reinsel & Ljung's Time Series Analysis (5th ed., 2015).	The Granger causality test, introduced by Clive W. J. Granger in 1969, assesses whether the past values of one time series help predict another beyond what the latter's own past already explains. It defines causality in a strictly predictive sense rather than as a structural or physical cause.