On Spurious Causality, CO2, and Global Temperature
伪因果关系、二氧化碳与全球温度AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确通过两条气候时间序列的联合动态和向量自回归构造信息流度量，对应时间序列与 VAR 方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
伪因果关系、二氧化碳与全球温度
- 研究问题
- 以信息流衡量气候强迫对全球温度的因果影响时，简化假设是否导致伪因果结论，建模选择又如何影响可信解释？
- 方法与思路
- 作者检验既有信息流公式的简化假设，提出基于向量自回归的信息流度量，并讨论二氧化碳序列与同期关系设定。
- 材料陈述的贡献
- 摘要称既有公式依赖的假设几乎总被数据拒绝，原研究多数结果无法得到印证，并提出分析两条气候序列联合动态的路径。
- 阅读关注点
- 应核对被拒绝假设的具体形式、VAR 信息流与结构因果效应的关系，以及同期识别、序列选择和瞬态气候响应计算。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未提供识别条件与估计数值，信息流结果不能直接等同于干预因果效应。
原文摘要
Stips, Macias, Coughlan, Garcia-Gorriz, and Liang (2016, Nature Scientific Reports) use information flows (Liang, 2008, 2014) to establish causality from various forcings to global temperature. We show that the formulas being used hinges on a simplifying assumption that is nearly always rejected by the data. We propose an adequate measure of information flow based on Vector Autoregressions, and find that most results in Stips et al. (2016) cannot be corroborated. Then, it is discussed which modeling choices (e.g., the choice of CO2 series and assumptions about simultaneous relationships) may help in extracting credible estimates of causal flows and the transient climate response simply by looking at the joint dynamics of two climatic time series.