中文

基于摘要因果图与忠实分布的时间序列因果关系可导性

人工智能 2026-03-16 v2 统计方法学

摘要

理解时间序列中变量之间的因果关系是时间序列分析中的核心挑战,尤其当完整因果结构未知时。即使无法完全指定完整因果结构,专家们通常能提供一种高层次的因果图抽象,即摘要因果图(SCG),它捕捉不同时间序列之间主要因果关系,同时抽象掉微观层次细节。本文提出条件,保证在给定编码于摘要因果图中的背景知识并假设获得关于真实未知图的忠实且因果充分分布的情况下,对微观层次边缘的可导性。我们的结果为微观层次边缘的导向提供了理论保证,即便在宏观层次存在环路或双向边的情况下亦然。这些发现为实用方法提供了指导,以利用SCG来指导复杂时序系统中的因果发现,同时突显了纳入专家知识以改善从观察性时间序列数据中进行因果推断的价值。

关键词

引用

@article{arxiv.2508.21742,
  title  = {Orientability of Causal Relations in Time Series using Summary Causal Graphs and Faithful Distributions},
  author = {Timothée Loranchet and Charles K. Assaad},
  journal= {arXiv preprint arXiv:2508.21742},
  year   = {2026}
}

备注

Accepted to AISTATS 2026