到目前为止,格兰杰因果关系已经非常广泛的应用到了各个领域。在2011年Hu等提出了新的因果关系(NC)方法,并证明了 NC方法可以比常规的格兰杰因果关系(GC)方法更好的揭示定常二维自回归模型真正的因果关系。在本文中,我们深入研究因果关系理论,提供了更多的证据表明,GC无法揭示真实的因果关系,并通过数学方法说明GC和NC的核心区别。我们发现格兰杰因果关系存在致命缺陷。通过阶数为1和2的回归模型数学公式推导,指出格兰杰因果关系会丢失部分系数的信息,从而导致得到的因果关系值并不一定能表示真正的因果关系。通过几个说明性的例子,发现新型因果关系比格兰杰因果关系能更准确的揭露真正的因果关系。接下来考虑一种最近提出的揭示非线性动态系统中两个变量间因果影响的收敛交叉映射(CCM)方法。我们通过事实指出CCM的缺点,CCM方法会通过将来值预测将来值。通过一些线性模型,表明新型因果关系方法能比CCM方法更好的反映出时间序列变量之间的因果关系大小。通过上述分析,发现新型因果关系能比GC和CCM更准确地揭露真正的因果关系,因此我们将新型因果关系从线性领域发展到时域非线性领域。我们提出非线性模型中两个时间变量的因果方法——基于比例的因果关系方法(PBC),这种方法的核心思想是比例。实例表明,该方法不仅可行,而且比CCM更有优势。基于比例的因果关系方法(PBC)是新型因果关系的一个延伸,将会得到广泛应用。