統計学輪講 第15回

時系列データにおける変数間の因果関係を説明する時、グレンジャー因果検定（Granger Causality Test）を用いることがある。
グレンジャー因果は、因果推論という分野では真の因果を説明できると限らないので解釈に注意を要する。
また、既存のグレンジャー因果検定を行うと、変数間の因果関係の有無は把握できても、どれほど影響しているかを知るためには別の分析方法を必要とした。

そこで、深層学習分野では、内在的な説明方法として提案された自己説明ニューラルネットワーク（Self Explaining Neural Network）が紹介され、このSENNを使うとグレンジャー因果関係に基づく変数間の回帰式の係数を得ることができることが発表された。
本発表では、機械学習の説明方法としてのSENNモデルの紹介と、SENNによるグレンジャー因果検定の紹介に加えて、実際のデータから得られた実験結果を示す。