评估时间序列相关性显著性：一种应用于生理信号的参数化方法

相关系数在量化随机变量之间的线性关系中起着关键作用。然而，由于时间依赖性的存在，将其应用于时间序列数据极具挑战性。本文介绍了一种新颖的方法，用于估计时间序列数据中相关系数的统计显著性，解决了基于有效自由度（或有效样本量，ESS）概念的传统方法的局限性。这些有效自由度代表了在无时间相关性的假设下，能够产生可比检验统计量的独立样本量。我们提出假设自相关函数服从参数化高斯形式。我们表明，这一由拉普拉斯近似激发的假设，使得 ESS 的估计量仅依赖于时间序列的时间导数，从而变得简单。通过数值实验，我们展示了所提出的方法在显著降低计算开销的同时，能够产生准确的统计结果。此外，我们在真实生理信号上评估了该方法的适用性，用于评估电生理学中的连通性度量以及检测动作捕捉数据中的相关手臂运动。我们的方法论为处理时间序列数据的研究人员提供了一种简单的工具，使其能够在存在时间依赖性的情况下进行稳健的假设检验。