VARX Granger分析：建模、推断与应用
统计方法学
2024-07-02 v2
摘要
复杂系统，如大脑、市场和社会，表现出受外部因素影响的内部动力学。从这些系统中分离晚期外部效应与内部动力学往往具有挑战性。我们提议使用带有外部输入的向量自回归模型（VARX）来捕捉内部变量与外部变量之间的延迟相互作用。虽然该模型与格兰杰的统计形式学一致，用于测试“因果关系”，但两种方法之间的联系并不广为人知。本文通过提供基本方程、用户友好的代码以及使用来自神经科学、生理学、社会学和经济学的模拟和真实世界数据进行演示来弥合这一鸿沟。我们的例子说明，该模型通过分离外部影响来避免内部动力学中的伪相关，从而导致对系统更简洁的解释。我们还提供了用于提高模型效率的方法，如针对有限数据的L2正则化以及用于应对延迟的基函数。此外，我们分析了在模型假设被破坏的各种情景下的模型性能。提供MATLAB、Python和R代码以便于采用：https://github.com/lcparra/varx
引用
@article{arxiv.2404.10834,
title = {VARX Granger Analysis: Modeling, Inference, and Applications},
author = {Lucas C. Parra and Aimar Silvan Ortubay and Maximilian Nentwich and Jens Madsen and Behtash Babadi},
journal= {arXiv preprint arXiv:2404.10834},
year = {2024}
}