从R中的NlinTs包解释nlin_causality.test

Question

该函数的详细信息为：

测试评估第二个时间序列是否导致第一个时间序列。评估了两个MLP人工神经网络来执行测试，一个仅使用目标时间序列(ts1)，第二个使用两个时间序列。

我使用了以下代码：

for (i in series[-5]) { 
    prueba = nlin_causality.test(ts1 = peru[,"gap_y"],ts2 = peru[,i],lag = 4,
                   LayersUniv = 1,LayersBiv = 1,iters = 10000,bias = F)
 og_nl[i,1] = round(prueba$Ftest,4)
 og_nl[i,2] = round(prueba$pvalue,4)
 }

输出如下表：

+-------------+-----------+----------+
|  Variable   |   F-stat  | P-value  |
+-------------+-----------+----------+
| Inflación   |   0.4468  |  0.7744  |
| Var.PBI     |   2.2039  |  0.0766  |
| Var.Emisión |   2.7633  |  0.0335  |
| gap_y       |   0.5546  |  0.6963  |
+-------------+-----------+----------+

所以从函数的细节来看，我理解的是无效假设是ts2引起了ts1，所以如果我的p值小于0.05，我可以说ts2不会引起ts1？

谢谢

Answer 1

这个检验的解释类似于格兰杰因果检验。通常，测试的p值是在假设H0为真的情况下观察给定结果的概率。对于这个测试，H0是非因果关系的假设。因此，通过使用阈值为5%，例如，大于0.05的p_value表示ts2不会导致ts1。

顺便说一句，单变量和双变量模型的隐藏层的大小都是向量，而不是整数。例如，LayersUniv = c(1，2)，等价于具有两个隐藏层的多层线性规划模型，其中第一个隐层包含一个神经元，第二个隐层包含两个神经元。

最好的，优素福