具有潜在共同原因的时序数据中因果特征选择的充要条件
统计方法学
2020-10-23 v3 机器学习
摘要
我们研究时序上直接与间接原因的识别，并在存在潜变量的情况下给出条件，证明其在某些图约束下为充要条件。我们的理论结果与估计算法对每个观测候选时序仅需两次条件独立性检验，即可判定其是否为某一观测目标时序的原因。我们在模拟及真实数据中给出了实验结果。结果表明，我们的方法导致极低的假阳性率与相对较低的假阴性率，优于广泛使用的格兰杰因果性（Granger causality）。
引用
@article{arxiv.2005.08543,
title = {Necessary and sufficient conditions for causal feature selection in time series with latent common causes},
author = {Atalanti A. Mastakouri and Bernhard Schölkopf and Dominik Janzing},
journal= {arXiv preprint arXiv:2005.08543},
year = {2020}
}