两个高维时间序列间差分格兰杰因果关系的直接估计
统计方法学
2021-09-24 v2
摘要
差分格兰杰因果，即理解两个相关时间序列间格兰杰因果关系的差异，在许多科学应用中备受关注。通过对每个时间序列建立向量自回归（VAR）模型，我们提出一种新方法，用于直接学习高维下相应转移矩阵之间的差异。该方法的关键在于基于尤尔-沃克方程构建估计方程，将转移矩阵之差与其对应精度矩阵之差联系起来。与分别估计每个转移矩阵再计算差值不同，所提出的直接估计方法仅要求两个 VAR 模型之差的稀疏性，从而允许每个高维时间序列中存在枢纽节点。在温和假设下，证明了该直接估计量在估计和支持恢复上是一致的。这些结果也带来了在弱于现有结果的假设下、估计 i.i.d. 观测精度矩阵间差异具有潜在更快收敛速度的新一致性结果。我们通过模拟研究及对脑电图（EEG）数据的应用评估了所提方法的有限样本表现。
引用
@article{arxiv.2109.07609,
title = {Direct estimation of differential Granger causality between two high-dimensional time series},
author = {Yue Wang and Jing Ma and Ali Shojaie},
journal= {arXiv preprint arXiv:2109.07609},
year = {2021}
}