High-Dimensional Granger Causality for Climatic Attribution
气候归因中的高维格兰杰因果分析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：摘要明确使用高维 VAR 与格兰杰检验分析动态关系，对应时间序列和 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…
气候归因中的高维格兰杰因果分析
- 研究问题
- 辐射强迫与全球温度之间存在怎样的动态预测关系？研究考察如何纳入多种自然与人为强迫变量，梳理其相互联系及传导路径。
- 方法与思路
- 作者在高维向量自回归模型中检验格兰杰因果关系，直接估计变量水平值，以避免先做单位根和协整检验带来的累积偏差。
- 材料陈述的贡献
- 摘要称，该框架扩展了以往小模型的信息集，并构建强迫变量与全球温度之间的因果网络，用于追踪系统内动态效应的路径。
- 阅读关注点
- 应核对高维检验的有效条件、对不同单整阶数及长记忆的处理，以及变量选择与滞后设定；同时辨明格兰杰关系的解释范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实。摘要未说明检验条件及具体结果，预测上的格兰杰关系不足以单独确立干预因果。
原文摘要
In this paper we test for Granger causality in high-dimensional vector autoregressive models (VARs) to disentangle and interpret the complex causal chains linking radiative forcings and global temperatures. By allowing for high dimensionality in the model, we can enrich the information set with relevant natural and anthropogenic forcing variables to obtain reliable causal relations. This provides a step forward from existing climatology literature, which has mostly treated these variables in isolation in small models. Additionally, our framework allows to disregard the order of integration of the variables by directly estimating the VAR in levels, thus avoiding accumulating biases coming from unit-root and cointegration tests. This is of particular appeal for climate time series which are well known to contain stochastic trends and long memory. We are thus able to establish causal networks linking radiative forcings to global temperatures and to connect radiative forcings among themselves, thereby allowing for tracing the path of dynamic causal effects through the system.