状态空间模型的 Granger 因果性
本文对 Granger 因果性的早期发展和辩论进行了回顾,并讨论了近期针对该概念局限性的各种改进,从高维时间序列模型到考虑非线性、非高斯观测的模型,以及允许子样本和混合频率时间序列的模型。
May, 2021
Granger 因果性作为一种评估一个时间序列对另一个时间序列的可预测性的方法,在许多应用领域被广泛使用,本研究提出了一种基于图形状态空间模型的 Granger 因果性方法,应用于气候问题,并展示了其相对于标准 Granger 因果性方法的好处。
Jul, 2023
本文使用再生核希尔伯特空间理论将 Granger 因果关系推广至非线性系统。我们开发了一种新策略来应对再生核希尔伯特空间几何的过拟合问题,并在混沌映射和生理数据集的应用中得到了验证。
Nov, 2007
本文提出了一种基于扩散回归状态空间模型的方法,用于推断经济学干预措施对于市场结果指标的因果影响,相较于差异 - 差异方案,该模型有助于灵活适应多种变异来源,并在模拟和实际数据上进行了验证。
Jun, 2015
本文提出了一种基于核方法的分析动态网络的方法,该方法不需要先验假设网络是有向无环图。提出的方法已应用于混沌映射、模拟基因调控网络和真实表达数据中,针对肿瘤发展研究了 19 种涉及肿瘤发展相关基因的因果关系。
Mar, 2008
本文介绍了一种基于向量自回归 (VAR) 过程的因果推断方法,旨在更准确地揭示因果关系,叙述了如何从非实验时间序列中识别关键部分的过程,并提出了两种估计算法并评估其在合成和实际数据上的效果。
Nov, 2014
本文提出了扩展格兰杰因果关系方法,应用于多个混沌时间序列和其他非线性信号,同时在三个或更多时间序列的情况下提出了条件扩展格兰杰因果关系度量。
May, 2004
本研究针对高维网络模型的估计问题,采用 Granger 因果模型框架,利用稀疏边缘和内在节点分组结构的假设,引入削减版本的 Group Lasso 估计器,发现了网络节点之间的 Granger 因果交互作用,并对其稳健性进行了渐近结果的开发。通过广泛的模拟研究和现有技术的比较,评估了该方法的性能。
Oct, 2012
本研究针对非平稳时间序列的因果关系发现和预测问题,提出了一种基于状态空间模型的方法,利用非平稳的性质来确定因果结构,将预测问题视为因果模型的贝叶斯推断问题,并在合成数据和真实数据集上进行了实验验证。
May, 2019