nonlinear models

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

Este artigo propõe um novo método chamado teste de necessidade de previsão para a descoberta causal interpretável em modelos de séries temporais não lineares. Ele visa ir além dos coeficientes tradicionais para entender melhor as relações causais complexas.