量化因果耦合强度：一种与传递熵相关的多变量时间序列滞后特定度量
数据分析、统计与概率
2015-07-15 v2 信息论
math.IT
机器学习
摘要
虽然识别多变量时间序列两个分量之间因果关联的存在是一个重要问题（Runge 等人，2012 年已探讨），但以有意义的方式评估其关联强度更为重要。本文聚焦于利用信息论度量定义有意义的耦合强度的问题，并展示了广为人知的互信息和传递熵的不足之处。相反，我们提出了一种特定的时滞条件互信息，即瞬时信息传递（MIT），作为一种关联度量，它具有通用性、因果性和滞后特定性，反映了易于解释的耦合强度概念，并且在实际中可计算。MIT 基于源熵的基本概念，我们利用它得出一种耦合强度概念，与互信息和传递熵相比，该概念易于解释，因为在许多情况下它仅取决于两个分量在特定滞后的相互作用。特别是，MIT 因此在许多情况下能够以信息论的方式排除过程中自依赖性的误导性影响。我们对一类一般的非线性随机过程在分析和数值上形式化并证明了这一思想，并在气候数据上展示了 MIT 的潜力。
引用
@article{arxiv.1210.2748,
title = {Quantifying Causal Coupling Strength: A Lag-specific Measure For Multivariate Time Series Related To Transfer Entropy},
author = {Jakob Runge and Jobst Heitzig and Norbert Marwan and Jürgen Kurths},
journal= {arXiv preprint arXiv:1210.2748},
year = {2015}
}
备注
15 pages, 6 figures; accepted for publication in Physical Review E