摘要
在变量之中的原因效果关系的察觉和澄清及时是一个重要问题系列分析。传统的诱发性推理方法有模型一定是线性的突出的限制并且与Gaussian噪音。尽管添加剂模型回归能有效地推断添加剂的非线性的原因的关系非线性的时间系列，它受不了变量的同时期的原因的关系一定线性、不总是有效测试有条件的独立关系的限制。这份报纸提供采用相互的信息和有条件的相互的信息识别非线性的时间系列模型的一个班的原因的结构的一个nonparametric方法，它扩大到非线性的结构的向量autoregressive的非线性的时间系列建模的添加剂。一个算法被开发学习同时期并且变量的落后原因的关系。模拟表明建议方法的有效性。
出版日期
2014年06月16日（中国期刊网平台首次上网日期，不代表论文的发表时间）
