频域因果效应估计中的渐近不确定性
统计方法学
2024-06-27 v1 统计理论
统计理论
摘要
结构向量自回归 (SVAR) 过程是常用的时间序列模型，用于从观察数据中识别和量化动态相互作用过程之间的因果关系。这些过程之间的因果关系可以有效地由有限的有向过程图表示——一种连接两个过程 whenever 存在直接延迟或同时效应的图。最近的研究引入了一种框架，用于沿着过程图中的路径量化频域因果效应。该框架允许识别一个过程的谱密度如何贡献给另一个过程的谱密度。在本工作中，我们以过程图所决定的代数关系为基础，对因果效应和谱贡献估计量的渐近分布进行特征化。基于渐近分布，我们构建了大约置信区间和Wald 型假设检验，用于估计的效应和谱贡献。在因果充分性假设下，我们考虑可微估计量的类，并在该类中识别出渐近最优估计量。我们在合成数据上说明频域Wald 检验和不确定性近似，并应用于分析10至11年太阳周期对北大西洋振荡 (NAO)的影响。我们的结果确认了太阳周期对NAO在10至11年尺度上具有显著影响。
引用
@article{arxiv.2406.18191,
title = {Asymptotic Uncertainty in the Estimation of Frequency Domain Causal Effects for Linear Processes},
author = {Nicolas-Domenic Reiter and Jonas Wahl and Gabriele C. Hegerl and Jakob Runge},
journal= {arXiv preprint arXiv:2406.18191},
year = {2024}
}
备注
32 pages. Comments welcome!