nonlinear models

Beyond Coefficients: Forecast-Necessity Testing for Interpretable Causal Discovery in Nonlinear Time-Series Models

Este artículo propone un nuevo método llamado prueba de necesidad de pronóstico para el descubrimiento causal interpretable en modelos de series temporales no lineales. Su objetivo es ir más allá de los coeficientes tradicionales para comprender mejor las complejas relaciones causales.