causality

来源：《哲学动态》2017年第10期 作者：初维峰（西安交通大学人文社会科学学院） 本文受中国博士后科学基金面上资助项目“当代西方因果解释理论研究”(2017M613160)资助。 　　在现实生活中，我们不仅要对某一事件进行解释，也需要对规则进行解释。也就是说，不仅事件可以充当被解释项，规则也可以充当被解释项。例如，以下的规则都可以充当被解释项：所有的乌鸦羽毛都呈现黑颜色、知更鸟的蛋是蓝色的、蛇是有鳞的、所有金属都导电、孟德尔定律、伽利略运动定律、万有引力定律、理想气体定律和麦克斯韦方程。值得注意的是，这里所提到的规则不包括人为制定的行为规范，如在马路上必须右侧通行、公交车上应该给老人让座等。正如我们上面所看到的那样，许多定律，如伽利略运动定律、万有引力定律、理想气体定律、麦克斯韦方程等，也是一种规则。然而，并非所有的定律都会呈现出规则性，存在没有规则的规律。例如每个U[238]在时刻t的衰变都会有概率P。而在时刻t′后(t′在t之后)，并非所有粒子都具有这个规则，许多粒子在t′时刻衰变概率为零。 　　在亨普尔(C.G.Hempel)看来，对规则或定律进行解释就是从其他的定律中把它们演绎地推导出来。当被解释项是决定论意义上的规则时，对此进行的解释就是演绎律则解释；当被解释项是概率性规则时，对此进行的解释就是归纳统计解释。根据弗里德曼和切基尔等人提倡的解释的统一进路

一 文献题目： Genome-wide DNA methylation profiles of low- and high-grade adenoma reveals potential biomarkers for early detection of colorectal carcinoma 不想看英文题目： 全基因组DNA甲基化揭示了大肠癌早期检测的潜在生物标志物 杂志和影响因子： Clin Epigenetics (IF: 5.496) 样本量： 20个control样本（从腺瘤患者组织中提取的正常组织），18个低度腺瘤，22个高度腺瘤，以及从GEO 数据库挖掘的278个正常样本，51个腺瘤样本和504个癌症样本。 分析方法： 使用GenomeStudio处理甲基化原始数据，软件包pROC区分正常组织、LGA组织、HGA组织和CRC组织的高甲基化和低甲基化位点，使用R函数princomp进行PCA分析，使用KEGG和GO进行富集分析。 结论： 研究发现，在低度腺瘤和高度腺瘤患者中，分别有209和8692个CpG 位点呈超甲基化，通路分析表明早期腺瘤甲基化变化主要与神经系统相关，ADHFE1启动子区域的DNA甲基化最有可能成为大肠腺瘤和大肠癌的早期诊断生物标志物。 数据GEO登录号： GSE139404 文章链接： https://www.ncbi.nlm.nih.gov

I am trying to compute the Granger causality test using the Vector Error Correction Model (VECM) in R. I calculated the VECM in R using tsDyn package. Since I have I (1) and cointegrated variables, VECM is assumed to implement the Granger causality test. However I didn't find any function in R, that could perform the Granger Granger causality test for VECM. I would like to ask You, whether someone does know such a function. Here is my example: dols.est <- dynlm(ts_ln.API.real.1~ts_MR.var.nom.1+L(d(ts_MR.var.nom.1), -3:3)) # Estimate θ with DOLS est.theta <- dols.est$coefficients[2] int.mts <-