利用可见性图算法非参数估计动态双变量相关性
应用统计
2020-06-05 v1
摘要
动态条件相关（DCC）是一种估计两个时间序列之间随时间变化的相关性的方法。尽管迄今为止主要用于金融领域，DCC最近被提出作为一种基于模型的估计方法，用于量化fMRI实验中的功能连接。DCC也可用于估计其他类型时间序列之间的动态相关性，例如从不同脑区记录的局部场电位（LFP）或脉冲序列。与其他现有方法相比，DCC具有非常好的性质，但由于在存在异常值时性能非最优，其在神经科学中的应用目前受到限制。为解决这一问题，我们开发了一种稳健的非参数版本DCC，基于加权可见性图算法的改编，该算法将时间序列转换为加权图。改进后的DCC在经验数据集的分析中表现出更好的性能：一个数据集来自执行Stroop任务的人类受试者的fMRI数据；另一个数据集来自清醒大鼠静息状态下记录的LFP数据。非参数DCC有潜力扩大旨在评估脑区间活动动态耦合与解耦的分析工具谱系。
引用
@article{arxiv.1710.07679,
title = {Nonparametrically estimating dynamic bivariate correlation using visibility graph algorithm},
author = {Aparna John and Toshikazu Ikuta and Janina D Ferbinteanu and Majnu John},
journal= {arXiv preprint arXiv:1710.07679},
year = {2020}
}