AI用語集
人工知能の完全辞典
グレンジャー検定
クライブ・グレンジャーによって開発された統計的検定で、ある時系列が別の将来の時系列に対して予測情報を含んでいるかどうかを判断するために使用されます。この検定は、変数Xの過去の値を知ることが、変数Yの過去の値のみを使用した場合よりも、変数Yの予測を改善するという仮説に基づいています。
線形予測
1つまたは複数の変数の過去の値の線形結合を使用して、将来の値を推定する予測手法です。古典的なグレンジャー検定は、時系列間の因果関係を評価するために、線形予測モデルに基づいています。
時間ラグ
原因とその結果の間の時間的遅延であり、因果モデルにおいて将来の値を予測するために使用される過去の期間の数によって表されます。適切なラグの選択はグレンジャー検定の妥当性にとって重要であり、AICやBICなどの情報量基準によって決定することができます。
グレンジャーのF検定
F統計量を使用して2つの回帰モデル（制約付きモデル（仮定された因果変数を含まない）と非制約モデル（その変数を含む））を比較する、グレンジャー検定の特定のバージョンです。制約付きモデルにおける因果変数の係数がゼロであるという帰無仮説に対し、完全モデルにおけるそれらがゼロでないことを検定します。
和分
時系列の和分次数（I(d)と表記）を指し、定常になるために系列を差分する必要がある回数を示します。和分次数を知ることは、グレンジャー検定を正しく適用し、見せかけの回帰を避けるために不可欠です。
多変量因果性検定
複数の変数が同時に関与する場合へのグレンジャー検定の拡張であり、複雑なシステム内の因果関係を分析するためにVAR（ベクトル自己回帰）モデルを使用します。このアプローチにより、他の変数の影響を制御し、直接的な因果関係を特定することが可能になります。
即時グレンジャー検定
時間遅れに焦点を当てる古典的なグレンジャー検定とは対照的に、同じ期間内の2つの変数の同時変化が統計的に有意かどうかを検査する因果性検定です。即時の効果が重要となる高頻度データにおいて特に関連性があります。
赤池情報量基準 (AIC)
モデルの適合度と複雑さのバランスをとりながら、グレンジャー検定モデルにおける最適なラグ数を選択するために使用される統計的指標です。AICはBICよりも複雑さに対するペナルティが緩やかであり、より多くのパラメータを持つモデルを選択する傾向があります。
ベイズ情報量基準 (BIC)
グレンジャー検定における最適なラグ数を決定するためのモデル選択基準であり、AICよりも簡潔さを重視する。BICは追加のパラメータに対してより強いペナルティを課すことで、因果モデルにおける過学習のリスクを低減する。
ベクトル自己回帰モデル (VARモデル)
各変数が自身の過去の値とシステム内の他の変数の過去の値に対して回帰される計量経済モデルであり、多変量グレンジャー因果性検定の基礎となる。VARモデルは、複数の時系列間の動的な相互依存関係を捉えることができる。
インパルス応答
VARモデルにおいて特定の変数にショックが与えられた後の、変数の時間的経過を追跡するグレンジャー検定を補完する分析。この手法により、グレンジャー検定によって特定された因果効果の振幅と持続期間を定量化することができる。
分散分解
ある変数の予測誤差分散のうち、自身およびシステム内の他の変数へのショックに起因する割合を決定する統計的手法。この分析は、変数の変動を説明する上でのグレンジャー因果関係の相対的重要性を定量化する。
非線形性検定
ニューラルネットワークやレジーム切り替えモデルなどのモデルを用いて、時系列間の非線形関係にグレンジャー検定を拡張したもの。これらの検定は、古典的な線形検定では見逃す可能性のある因果性を検出する。
条件付き因果性
一連の制御変数を条件として2つの変数間の因果関係を評価することで、直接的な因果効果を分離するグレンジャー検定。このアプローチにより、他の変数を介する間接的な因果性と直接的な因果性を区別することができる。
非線形グレンジャー検定
閾値モデルやカーネル法などの手法を用いて、時系列間の非線形な予測関係を検出するように設計されたグレンジャー検定の変種。この検定は、経済的関係に非対称性やレジームの変化が見られる場合に特に有用である。