There have been many different approaches to investigate the causal relation-ships among variables in business and economics. Some of them emphasized the prior information for building a causal model (SEM). Others emphasized the posterior information from sample data for building a causal model (VARMA or TRA).
There have been few studies to integrate the prior information and the posterior information in systematic way. Nevertheless, there were attempts to emphasize a restrictive role of prior information for building a causal model (SEMTSA). For the systematic integration of the two informations, a different view of system structure may be emphasized (FVAR).
In this study the four approaches for tests of causality were developed. They are based on the three types of model from the two view of system structure: direct VARMA, pre-filtering, modified SEMTRA, and fuzzy VAR approaches. The two view of system structure are abstract set view and fuzzy set view. The three types of model are VARMA model, SEMTSA model, and FUZZY model. The practical procedures of the approaches were proposed for their implementations with programs. According to the test procedures the study used the term "top-down" for VARMA model, the term "bottom-up-top-down" for SEMTSA model, and the term "top-down-bottom-up" for FUZZY model.
The study emphasized that it is up to one's subjective consideration which of the three models will be adequately selected for a particular application area. In this study the three models were all implemented in an individual application.
The study applied the three types of model to money are income data (quarterly) in Canada and stock and money data (monthly) in the United States. Their results of the applications are compared and interpreted according to the new approaches.
The study concludes that the three approaches from the abstract set view does not frequently produce the inconsistent result for causation in the historical laboratory generating the business and economic data. When the view of system structure is varied by one's subjective judgment for a phenomenon, the case may not to true.
경영과 경제에 있어서 변수들 간의 인과관계를 조사하기 위한 다른 접근방법들이 많이 있었다. 인과모형 구성을 위해 사전 정보를 강조한 방법 (SEM) 과 데이타로 부터의 사후 정보를 강조한 방법 (VARMA 또는 TSA) 이 있었다. 그러나 사전 정보와 사후 정보를 체계적인 방법 으로 통합시킨 연구는 거의 없었다. 다만, 인과모형 구성을 위해 사전 정보의 제한적 역활을 강조한 약간의 시도 (SEMTSA) 가 있었을 뿐이다. 두가지 정보의 체계적 통합을 위해서 시스템 구조의 다른 시각이 강조 되는 방법 (FUZZY) 을 모색해 볼 수 있을 것이다.
본 연구에서는 인과모형 분석을 위한 4 가지 접근방법들이 개발된다. 이 접근방법들은 시스템 구조의 2 가지 시각으로 부터 3 가지 유형의 모형에 기초하고 있는 direct VARMA, pre-filtering, modified SEMTSA, fuzzy VAR 이다. 시스템 구조의 2 가지 시각은 추상적 집합 시각과 FUZZY 집합 시각이다. 모형의 3 가지 유형은 VARMA, SEMTSA, FUZZY 모형을 말한다. 이 접근방법들은 실행을 위한 프로그램과 함께 실용적 절차들로 제시되고 있다.
본 연구는 검증 방법에 따라서 VARMA 모형을 "top-down", SEMTSA 모형을 "bottom-up-top-down", FUZZY 모형을 "top-down-bottom-up" 으로 분류하고 있다. 어떤 특정한 응용 분야에 어떤 모형이 적당할 것인가는 사용자의 주관적 고려에 달려 있다는 점을 본 연구는 강조하고 있다. 따라서 3 가지 모형이 각각의 응용 분야에 모두 실행되고 비교 분석 되었다.
본 연구는 3 가지 유형의 모형을 캐나다의 화폐-소득 자료와 미국의 주식-화폐 자료에 적용 시키고 결과들을 새로운 접근방법에 따라 해석하였다. 추상적 집합 시각으로 부터의 3 가지 접근방법은 응용 분석 된 경영과 경제 자료에 있어서는 대체적으로 일치된 결과를 보여 주고 있다. 그러나 시스템 구조의 시각이 현상에 대한 사용자의 주관적 판단에 의해서 달라질 때 그 결과는 달라질 수도 있음을 보여 준다.
