格兰杰因果关系在复杂网络中的应用*
2013-08-06王芳娟
浙江师范大学学报(自然科学版) 2013年4期
王芳娟
(浙江师范大学数理与信息工程学院,浙江金华 321004)
0 引 言
格兰杰因果关系在经济、生物、计算神经科学等领域已有广泛的应用.其中,对于二维的时间序列,可以直接用两变量格兰杰因果关系分析数据之间的内在联系.但对于多维的时间序列,用两变量格兰杰因果关系已不能正确判断变量之间的关系是直接的还是间接的,因此提出了条件格兰杰因果关系[1].在实际应用中,若把外部公共输入和隐变量的影响因素考虑在内,则要用到偏相关格兰杰因果关系才能真正刻画变量之间的内在联系[1].
格兰杰因果关系是一种很常用的分析方法,在研究变量之间的因果关系时,通常情况下要求变量的时间序列的长度远远大于变量个数[1-2],此时,格兰杰因果关系法效果显著.但在实际应用中,可以提取到的时间序列长度是有限的,对于数以万计的蛋白质、基因变量,每个变量可以测量到的时间序列长度相当短.此时,变量维数比时间序列长度要大,若仍然用通常的格兰杰因果关系法研究变量之间的内在因果关系,就会得到错误的结论.为了解决这个问题,将提出一种新的方法,在两变量格兰杰因果关系、条件格兰杰因果关系和偏相关格兰杰因果关系的基础上,把简单的格兰杰因果关系应用到复杂网络中.从模拟数据的结果可以看出:该方法能比较有效地揭示复杂网络中变量之间真实的内在联系.