Causal Inference on Process Graphs, Part I: The Structural Equation Process Representation
过程图上的因果推断（一）：结构方程过程表示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：摘要明确围绕递归 SVAR、协方差序列及频域因果效应展开，支持 VAR 与局部投影及时间序列分类。
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…
过程图上的因果推断（一）：结构方程过程表示
- 研究问题
- 如何将含潜在分量的递归 SVAR 表示为过程层面的结构因果模型，并以紧凑形式描述协方差和频域因果作用？
- 方法与思路
- 作者以每个随机过程为单一图节点，推广路径规则与 trek 规则，再用傅里叶变换表达频域因果效应。
- 材料陈述的贡献
- 摘要提出过程结构因果模型表示及推广规则，并指出过程图可用于构造效应识别准则和从观测谱密度恢复效应的关系。
- 阅读关注点
- 应核对递归性、潜在过程及模型成立条件，区分协方差分解与因果识别，并检查频域公式和图准则的适用范围。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实。摘要未给出完整定理条件，也未说明哪些潜变量结构下效应能够恢复。
原文摘要
When dealing with time series data, causal inference methods often employ structural vector autoregressive (SVAR) processes to model time-evolving random systems. In this work, we rephrase recursive SVAR processes with possible latent component processes as a linear Structural Causal Model (SCM) of stochastic processes on a simple causal graph, the process graph, that models every process as a single node. Using this reformulation, we generalise Wright's well-known path-rule for linear Gaussian SCMs to the newly introduced process SCMs and we express the auto-covariance sequence of an SVAR process by means of a generalised trek-rule. Employing the Fourier-Transformation, we derive compact expressions for causal effects in the frequency domain that allow us to efficiently visualise the causal interactions in a multivariate SVAR process. Finally, we observe that the process graph can be used to formulate graphical criteria for identifying causal effects and to derive algebraic relations with which these frequency domain causal effects can be recovered from the observed spectral density.