AI-woordenlijst
Het complete woordenboek van kunstmatige intelligentie
Impulsion-réponse
Analyse traçant l'évolution dynamique des variables d'un système VAR suite à un choc (impulsion) sur une variable. Permet de visualiser comment les chocs se propagent à travers le temps entre les différentes séries temporelles.
Modèle VAR
Vector Autoregressive modélise simultanément plusieurs séries temporelles comme des fonctions linéaires de leurs propres valeurs passées et des valeurs passées des autres séries. Structure de base pour l'analyse de causalité multivariée.
Modèle VECM
Vector Error Correction Model étend le VAR pour les séries non-stationnaires cointégrées, capturant à la fois les relations d'équilibre à long terme et les ajustements à court terme. Particulièrement utile pour analyser la causalité dans les séries intégrées.
Test de causalité de Sims
Alternative au test de Granger basée sur la décomposition en série de Fourier, testant si les coefficients des fréquences sont nuls. Particulièrement adapté aux relations avec dynamiques saisonnières complexes.
Test de Toda-Yamamoto
Procédure de test de causalité robuste à l'ordre d'intégration des séries, évitant les pré-tests de cointégration. Ajoute artificiellement l'ordre maximum d'intégration au nombre de retards du VAR.
Graphique acyclique dirigé (DAG)
Représentation graphique des relations causales où les nœuds sont les variables et les flèches orientées indiquent les relations causales directes. Outil fondamental pour visualiser et analyser les structures causales complexes.
Analyse d'intervention
Méthode évaluant l'impact d'événements exogènes ou de politiques sur les séries temporelles, en modélisant les changements de niveau, tendance ou saisonnalité. Permet d'isoler les effets causaux d'interventions spécifiques.
Causalité instantanée
Relation où deux variables se causent mutuellement à l'intérieur de la même période temporelle, sans décalage temporel. Détectée par les corrélations des résidus contemporains dans les modèles VAR.
Décomposition de Cholesky
Technique factorisant la matrice de covariance-corrélation pour identifier les chocs structurels orthogonaux dans l'analyse d'impulsion-réponse. L'ordre des variables influence l'interprétation des résultats.
Test de causalité non-linéaire
Ensemble de méthodes détectant des relations causales qui ne sont pas capturées par les modèles linéaires traditionnels, incluant les tests basés sur les corrélations mutuelles et les approches non-paramétriques.
Inférence causale contrefactuelle
Approche évaluant les effets causaux en comparant les résultats observés aux scénarios contrefactuels (ce qui se serait passé sans l'intervention). Repose sur le principe de la réponse potentielle et les méthodes d'appariement.
Matrice de connectivité causale
Structure mathématique représentant l'intensité et la direction des relations causales entre variables dans un système multivarié. Les éléments hors diagonale indiquent les forces causales, la diagonale représentant l'auto-corrélation.
Test de Wald pour la causalité
Test d'hypothèse paramétrique vérifiant si un ensemble de coefficients de retards d'une variable est conjointement nul dans un modèle VAR. Alternative au test F pour grands échantillons et modèles complexes.
Réseaux bayésiens causaux
Modèles probabilistes combinant théorie des graphes et inférence bayésienne pour représenter et apprendre les structures causales à partir de données. Permet de quantifier l'incertitude dans les relations causales identifiées.
Équations structurelles simultanées
Système d'équations où plusieurs variables endogènes sont déterminées simultanément, incluant des relations causales bidirectionnelles. Nécessite des restrictions d'identification pour l'estimation des paramètres causaux.
Causalité basée sur la tendance
Test vérifiant si la tendance d'une série temporelle influence significativement les variations d'une autre série, au-delà des fluctuations cycliques. Particulièrement pertinent pour les données économiques et financières.
Test de non-causalité linéaire
Procédure formelle testant l'hypothèse nulle d'absence de relation causale linéaire entre séries temporelles, souvent basée sur les modèles VAR ou VECM. Complémentaire aux tests de causalité directionnelle.