Causality for VARMA processes with instantaneous effects: The global Markov property, faithfulness and instrumental variables
含即时效应的 VARMA 过程：全局马尔可夫性、忠实性与工具变量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：摘要直接研究 VARMA 时间依赖结构、因果图性质及工具变量识别总因果效应，分别对应时间序列与因果推断。
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…
关注这篇论文的作者
含即时效应的 VARMA 过程：全局马尔可夫性、忠实性与工具变量
- 研究问题
- 含即时效应的 VARMA 时间序列如何具有可解释的因果图结构？研究进一步关注总因果效应能否通过工具变量识别与估计。
- 方法与思路
- 作者构造表示过程依赖关系的无限图，研究图分离与平稳分布条件独立的联系及忠实性，并建立 VARMA 工具变量回归框架。
- 材料陈述的贡献
- 摘要称，论文给出全局马尔可夫性与几乎处处忠实性的相关条件，并利用工具变量框架识别和一致估计总因果效应。
- 阅读关注点
- 应核对平稳性、即时效应和无限图的定义，忠实性中几乎处处的含义，以及工具变量条件与总效应的具体对应关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列出完整条件，不能将图上的依赖关系自动解释为已识别的因果效应。
原文摘要
Causal reasoning has gained great attention over the last half century as it allows (or at least intends) to answer questions which go above those within the capabilities of classical inferential statistics using just observational data. So far, causal research has been focused mostly on the i.i.d. setting. However, many are the situations where there exists a non-trivial dependence structure between sequential observations. Motivated by this fact, the main purpose of this work is to study causal properties of time series under the structural assumption of a VARMA model with instantaneous effects. First, the global Markov property is studied, building on existing work for VAR processes without instantaneous effects. Infinite graphs which represent the dependencies of the process are defined so that separation statements translate to conditional independencies in the stationary distribution of the process. Second, faithfulness is examined as a counterpart of this Markov property. Conditions are given so that the stationary distribution of the process is almost surely faithful to said infinite graphs. In addition, an instrumental variable regression framework is developed for VARMA models with instantaneous effects. This allows to identify and consistently estimate total causal effects.