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

Cet article propose une nouvelle méthode, le test de nécessité de prévision, pour la découverte causale interprétable dans les modèles de séries temporelles non linéaires. Il vise à dépasser les coefficients traditionnels pour mieux comprendre les relations causales complexes.