Causal inference for temporal patterns
时间模式的因果推断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：摘要明确结合因果效应定义与频域、时间模式分析，支持因果推断和时间序列分类；未明确使用 VAR 或局部投影。
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…
时间模式的因果推断
- 研究问题
- 如何结合时间序列表示与因果推断，刻画一个过程通过特定时间模式影响另一过程，并研究频域中的因果效应？
- 方法与思路
- 作者定义相对于一对时间模式的过程间因果效应，并通过奇异值分解构造给定时间窗口内的因果正交函数。
- 材料陈述的贡献
- 摘要提出时间模式层面的因果分析框架，比较其与频域 Granger 因果性的关系，并给出时间冲击响应模式表示。
- 阅读关注点
- 应核对过程间干预与效应的定义、频域表示成立的条件，以及因果正交函数与协方差驱动的模式分解有何区别。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明因果识别条件或从观测数据估计效应的方法。
原文摘要
Complex dynamical systems are prevalent in many scientific disciplines. In the analysis of such systems two aspects are of particular interest: 1) the temporal patterns along which they evolve and 2) the underlying causal mechanisms. Time-series representations like discrete Fourier and wavelet transforms have been widely applied in order to obtain insights on the temporal structure of complex dynamical systems. Questions of cause and effect can be formalized in the causal inference framework. We propose an elementary and systematic approach to combine time-series representations with causal inference. Our method is based on a notion of causal effects from a cause on an effect process with respect to a pair of temporal patterns. In particular, our framework can be used to study causal effects in the frequency domain. We will see how our approach compares to the well known Granger Causality in the frequency domain. Furthermore, using a singular value decomposition we establish a representation of how one process drives another over a time-window of specified length in terms of temporal impulse-response patterns. To these we will refer to as Causal Orthogonal Functions (COF), a causal analogue of the temporal patterns derived with covariance-based multivariate Singular Spectrum Analysis (mSSA).