“Generalized Measures of Correlation for Asymmetry, Nonlinearity, and Beyond”: Some Antecedents on Causality
关于“非对称性、非线性及其他情形的广义相关度量”的因果性先驱工作评论AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以依赖度量的历史和因果概念评论为主，未明确给出所列细分中的具体估计或识别框架。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
关于“非对称性、非线性及其他情形的广义相关度量”的因果性先驱工作评论
- 研究问题
- 广义相关度量与早期依赖性研究有哪些联系，其非对称性如何关联 Granger 因果性、图形分析及其他依赖度量？
- 方法与思路
- 这篇评论梳理 Yule、Kendall 等先驱工作及 Yule–Simpson 悖论，并讨论广义相关度量与因果性和 copula 的联系。
- 材料陈述的贡献
- 摘要称广义相关度量的部分思想已有历史先例，并认为该指标部分扩展 Granger 因果性，由此展开概念讨论。
- 阅读关注点
- 应核对评论所指的历史对应关系、部分扩展的准确含义，以及统计依赖、预测性因果与干预因果之间的区别。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读；材料是评论文章，不能视为被评论主论文的摘要，也未提供新识别定理。
原文摘要
This note comments on the generalized measure of correlation (GMC) that was suggested by Zheng, Shi, and Zhang. The GMC concept was partly anticipated in some publications over 100 years earlier by Yule in the Proceedings of the Royal Society, and by Kendall. Other antecedents discussed include work on dependency by Renyi and Doksum and Samarov, together with the Yule–Simpson paradox. The GMC metric partly extends the concept of Granger causality, so that we consider causality, graphical analysis and alternative measures of dependency provided by copulas.