Granger Causality for Mixed Time Series Generalized Linear Models: A Case Study on Multimodal Brain Connectivity
混合类型时间序列广义线性模型的 Granger 因果性：多模态脑连接案例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：摘要直接研究混合类型时间序列的滞后预测关系与 Granger 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
混合类型时间序列广义线性模型的 Granger 因果性：多模态脑连接案例
- 研究问题
- 面对二元、计数、连续及正值等多模态脑活动序列，如何在统一模型中评估 Granger 关系、选择滞后阶数并量化不确定性？
- 方法与思路
- 作者以广义线性模型构造混合类型时间序列框架，讨论频率学派与贝叶斯推断，并使用 spike-and-slab 先验进行阶数选择。
- 材料陈述的贡献
- 摘要报告，大鼠嗅觉工作记忆实验中 LFP 的 beta 频段功率可预测三百毫秒后的放电活动，并展示模型处理多模态序列的能力。
- 阅读关注点
- 应核对混合观测分布、跨模态滞后结构、先验和阶数选择规则，以及该预测关系对其他脑活动变量与模型设定的敏感性。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明完整推断条件，Granger 预测关系不能直接视为神经干预因果效应。
原文摘要
This paper is motivated by studies in neuroscience experiments to understand interactions between nodes in a brain network using different types of data modalities that capture different distinct facets of brain activity. To assess Granger-causality, we introduce a flexible framework through a general class of models that accommodates mixed types of data (binary, count, continuous, and positive components) formulated in a generalized linear model (GLM) fashion. Statistical inference for causality is performed based on both frequentist and Bayesian approaches, with a focus on the latter. Here, we develop a procedure for conducting inference through the proposed Bayesian mixed time series model. By introducing spike and slab priors for some parameters in the model, our inferential approach guides causality order selection and provides proper uncertainty quantification. The proposed methods are then utilized to study the rat spike train and local field potentials (LFP) data recorded during the olfaction working memory task. The proposed methodology provides critical insights into the causal relationship between the rat spiking activity and LFP spectral power. Specifically, power in the LFP beta band is predictive of spiking activity 300 milliseconds later, providing a novel analytical tool for this area of emerging interest in neuroscience and demonstrating its usefulness and flexibility in the study of causality in general.