基于fMRI数据的Granger因果模型的定阶探讨

Granger因果模型应用于fMRI数据可以有效揭示两个脑区间的因果关系.在应用过程中,模型定阶至关重要.本文给出六种模型定阶的信息准则函数,然后模拟fMRI数据编程,最后根据运行结果对六种准则函数进行比较分析.定阶情况随着阶数的增大而变差,在高阶中出现不足拟合.

基于非稳态加性噪声模型的因果发现算法

因果发现旨在通过观测数据挖掘变量间的因果关系。现有的因果发现方法大多假定数据的产生过程是平稳的,然而在实际环境下往往不满足稳态假设,导致结果不可靠。研究发现,在一些场景中的非稳态扰动与时序信息高度相关。因此,在加性噪声模型基础上将非稳态扰动刻画为一项关于时序信息的函数,设计非稳态加性噪声模型,并给出非稳态加性噪声模型的识别条件,提出一种两阶段的因果关系学习算法。第1阶段利用回归计算得到变量残差,再检验残差与回归特征集的独立性从而选出叶子节点,迭代得到观测变量集的因果次序;第2阶段再次进行回归计算和独立性检验,消除第1阶段中冗余的因果关系,从而得到观测变量集的因果结构。实验结果表明,与基于约束的异构/非平稳因果发现、LPCMCI和Ti MINo算法相比,该算法在仿真数据集上取得了最优的效果,平均F1值达到0.85;而在真实因果结构数据集中,该算法的F1值平均提升41.12%,能够从非稳态数据集中恢复出更多因果结构的信息。

基于时变传染网络和分位数Granger因果检验的系统性风险传染研究

基于18个经济体760家金融机构SRISK系统性风险数据,采用时变参数向量自回归模型和广义方差分解法测度全球系统性风险的时变传染网络,进而采用分位数Granger因果检验考察各经济体对中国高分位段系统性风险的影响。研究结果表明,结合SRISK数据和时变传染网络能有效识别重大风险事件的发生;发达和新兴经济体均会产生风险净输出效应,且会通过直接输出或香港地区间接输出风险至中国内地;在全样本与2008年金融危机、欧债危机、中美贸易战和新冠疫情重大风险事件期间,中国皆为风险净溢入国且新冠疫情期间溢入效应达历史最高;美英两国在重大风险事件期间均对中国高分位段系统性风险产生显著影响,新冠疫情期间中国高分位段系统性风险遭受外部冲击的形势最为严峻。

基于因果自回归流模型的因果结构学习算法

因果自回归流模型已经在非独立噪声等场景的因果方向推断问题上取得了一定的进展,但在多个结点的场景下仍存在全局结构搜索带来的准确度低和计算时间复杂度高的问题。面向非时序观察数据设计一种两阶段因果结构学习算法。在第一阶段,基于观测数据的条件独立性,对完全无向图通过条件独立性检验得到基本的因果骨架;在第二阶段,基于因果自回归流模型,通过标准化流的方法计算骨架中每条无向边在不同方向上的边缘似然概率,进而通过比较边缘似然概率进行因果方向推断。实验结果表明:该算法在多组不同参数生成的仿真因果结构数据集上均有较好的表现,与现有的主流因果结构学习算法相比,F1值平均提升15%~28%;在真实因果结构数据集实验中,该算法能够较为完整准确地学习到变量间的因果关系,与主流的因果结构学习算法相比,F1值平均提升28%~48%,具有更强的鲁棒性。

基于线性结构因果模型的服务故障传播路径识别

在云计算环境中,当一个服务发生故障时,故障会随着服务之间的交互行为不断传播,导致产生大规模服务失效的风险。复杂且动态变化的服务调用关系加大了识别服务故障传播路径的难度。针对该问题,提出一种基于因果图的服务故障传播路径识别方法。监测并收集服务的运行数据,通过服务运行数据对服务故障事件完成度量;根据因果图模型推断服务故障事件之间的因果关系并构建服务故障传播图;利用服务故障传播图确定故障传播路径。实验结果表明,该方法能够有效识别服务故障传播路径。

AI机器学习:体育消费实验Uplift因果模型研究

2019年Metalearners for Estimating Heterogeneous Treatment Effects using Machine Learning的发表引发了世界因果推断理论的研究热情。目前,机器学习与因果推断论中的许多统计模型已被广泛应用。本文采用文献资料法、数理统计分析方法、案例研究法等研究方法,研究推演现代因果推断理论中较为知名的Uplift因果模型在体育中的应用场景,其中Uplift因果模型包括S-learner(单模型)、T-learner(双模型)、X-learner(交叉训练模型)。结果显示,在体育消费随机对照实验中应用Uplift因果模型,可以基于基本模型进一步推导出各变量因素之间的因果关系,验证并分析自变量对因变量变化的影响;率先在体育消费市场研究与实验中应用Uplift因果模型可以填补我国体育消费实验数据分析方法的空缺。

面向知识图谱和大语言模型的因果关系推断综述

近几十年来,因果关系推断是统计学、计算机科学、教育、公共政策和经济学等许多领域的一个重要研究课题。其中大部分因果推断方法是从样本观测数据和文本语料分析的角度进行研究。如今,随着各种知识图谱和大语言模型的涌现,面向知识图谱和大模型的因果关系推断逐渐成为了研究热点。因此,将不同的因果关系推断方法按照面向样本观测数据、文本数据、知识图谱和大语言模型进行分类,在每个分类中,对经典的研究工作从其问题定义、解决方法、贡献和不足进行了细致的分析。同时,对因果关系推断方法与知识图谱和大语言模型相结合的研究进展进行了重点讨论。从效率和成本角度分析和比较了不同因果推断方法,总结归纳了知识图谱和大语言模型在因果关系推断任务中的具体应用。最后,对知识图谱和大模型相结合的因果关系推断的未来发展方向进行了展望。

城乡居民消费水平与收入水平比较研究——基于VAR模型和Granger因果检验

我国城乡居民消费水平和收入水平存在很大差异。考虑到现期消费水平受到收入水平和前期消费水平的影响,基于VAR模型和Granger因果检验,以1978-2012年数据为基础,对我国城乡居民消费水平和收入水平之间的关系进行比较研究。我国居民的消费水平和收入水平之间存在长期的均衡关系,但城乡之间的差异是明显的:在城镇消费水平受前期的消费水平影响较大,并且消费是收入的单向Granger原因;而在农村消费水平受收入水平和消费习惯双重影响,并且收入是消费的单向Granger原因,人们更多是"量入为出"。一方面,可以通过刺激城镇消费需求来拉动经济的发展;另一方面,可以通过加快农村经济发展来增加农村居民的收入,进而提高其消费水平。

公司债券与股票间极端风险溢出研究--基于分位Granger因果关系模型

公司债券与股票是公司融资的重要手段,两者间的极端风险溢出备受关注。从微观层面出发,利用2010-2019年126家发行公司债券的上市公司面板数据,本研究采用分位GARCH模型度量公司债券与股票极端风险,在此基础上运用分位Granger因果关系模型考察两者间极端风险溢出。研究结果表明:公司债券的极端风险整体上低于股票的极端风险;公司债券与股票共同受公司价值影响,两者间存在显著的极端风险溢出;公司债券与股票间的极端风险溢出具有非对称性,即公司债券对股票的极端风险溢出强度高于股票对公司债券的极端风险溢出强度;股灾的爆发对上市公司经营环境产生了冲击,使公司债券与股票的极端风险增大,两者间的极端风险溢出强度随之增大。

国际油价对中国经济的Granger因果检验与VAR模型

2004年以来国际油价的大幅上涨,主要由供需失衡、美元疲软、投机因素等造成。为了全面分析国际石油价格的上涨对中国经济的影响,选取GDP、CPI、INV和IE,用Granger因果检验方法,检验国际石油价格与中国各宏观经济变量之间是否存在因果关系。由Granger因果检验的结果可知,国际油价上涨对中国GDP、IE、INV存在因果关系。在此基础上,建立VAR模型分析国际油价对中国经济的影响程度。

基于子模型加权的因果效应估计方法

在因果推断中,为更好地从观测性研究数据中获得无偏的处理效应,经常使用基于倾向得分的方法来平衡处理组和对照组。文章基于倾向得分逆概率加权方法,提出了一种子模型加权方法。该方法首先通过不同的变量组合来构建若干子模型;然后对子模型的倾向得分进行加权,进而得到加权倾向得分;最后使用加权倾向得分估计平均处理效应(ATE)值。实验结果表明:提出的子模型加权法不仅能调整观测性研究数据中存在的混杂偏倚,而且能有效提升ATE的估计效果,在ATE估计中优于传统的基于倾向得分的逆概率加权法。

Granger因果关系检验的模型选择与相关策略研究

运用Granger因果关系检验识别确定经济变量间因果关系是经济研究中极为常见的分析模式,然而在具体应用时,Granger因果关系检验的功效会受到模型形式选择与检验策略因素的影响,为此,解析了Granger因果关系检验的水平型VAR、差分型VAR、VEC三种模型形式选择的基本原理,探讨了与模型选择相关的四大检验策略,即变量个数选择、滞后阶数选择、变量单整性检验、协整空间维数选择,并给出了Granger因果关系检验相对稳妥的实践操作程序。

基于因果贝叶斯网络的接触网风险评估模型研究

针对接触网建设阶段风险管控研究相对薄弱的问题,在充分研析接触网施工过程风险因素的基础上,判断风险因素间因果关系,建立接触网建设阶段风险评估模型,从因果逻辑视角分析接触网建设阶段风险。首先,从建设阶段、参建部门及建设要素3个维度分析接触网建设过程风险因素的外生变量与内生变量;然后,利用结构方程式描述变量之间的因果关系,建立多层次接触网风险结构因果模型网络关系分析图,并引入专家评议确定外生变量的先验概率与内生变量的条件概率,构建基于贝叶斯网络的接触网建设阶段风险评估模型;最后,通过贝叶斯网络敏感性分析和逆向推理分析找到接触网建设风险的事故最大因果链以及重要风险节点,在施工过程薄弱环节制定相应的风险预防与控制措施,降低风险发生的概率及影响,保证接触网工程按期交付以及运维阶段的检修效率。研究结果表明:在接触网建设阶段,风险发生的概率为0.6,所构建的接触网建设过程风险评估模型中有敏感性较高的节点4个,事故致因链5条。在假设接触网风险发生的条件下,逆向推理的结果显示预装配阶段和安装阶段的后验概率较高,分别为0.74和0.67。通过严格执行提出的风险控制措施,有助于提升接触网建设效率,降低运维阶段的维护成本。

CEEMD双层分解和Granger因果变量选择风电功率预测

针对风电功率时间序列具有高度随机波动性而无法精准预测的问题,提出一种基于完备集成经验模态分解(CEEMD)、Granger因果关系检验和长短时记忆网络的新型混合预测方法用于预测风电功率。首先,为研究风电功率和风速的隐性相关性,通过CEEMD算法对风电功率和风速时间序列分别进行序列分解,实现双层分解。其次,通过Granger因果关系方法对各风速分量与各风电功率分量进行因果关系检验,分析风电功率分量与各风速分量间的相关性,以此实现各风电功率分量的输入变量选择。最后,采用长短时记忆网络对各风电功率分量进行预测,并集成得到最终的风电功率预测结果。通过风电厂的实际数据进行了试验,并与多个应用广泛的经典模型进行对比,结果表明该方法的预测精度取得了大幅度提高,能够对风电功率实现精准预测。

向量自回归模型Granger因果图的条件互信息辨识与应用

Granger因果性是衡量系统变量间动态关系的重要依据.传统的两变量Granger因果分析法容易产生伪因果关系,且不能刻画变量间的即时因果性.本文利用图模型方法研究时间序列变量间的Granger因果关系,建立了时间序列Granger因果图,提出了Granger因果图的条件互信息辨识方法,利用混沌理论中的关联积分估计条件互信息.统计量的显著性山置换检验确定.仿真结果证实了方法的有效性,并利用该方法研究了空气污染指标以及中国股市间的Granger因果关系.

Granger因果分析模型研究进展

由于时间序列的非平稳性,不具有有限方差,所以高斯—马尔科夫定理不再成立,用普通最小二乘法得到的参数估计不再是一致的,出现伪回归的现象,从而导致错误的因果关系。同时由于时间序列的非线性,常规的线性向量自回归模型难以正确描述经济变量之间的因果关系。从G ranger因果分析模型研究进展情况,可见目前所面临的问题和未来可能的发展方向。

基于分位数因子模型的高维时间序列因果关系分析

从观察数据中发现变量之间的因果关系是许多科学研究领域的关键问题,传统Granger因果模型受到维度灾难的影响,难以准确地在高维时间序列中发现因果关系.提出一种基于分位数因子模型的Granger因果分析新方法QFMCGC用于高维时间序列因果关系的判定.首先,QFM-CGC采用赤池信息量准则进行模型选择,避免人为干预设置滞后阶数的操作;然后,对向量自回归(Vector Autoregressive,VAR)模型中的条件变量建立分位数因子模型进行降维,减少VAR模型中的待估计系数,对降维后的VAR模型重新进行条件Granger因果分析;最后,使用蒙特卡洛模拟评估不同方法识别底层系统与观测时间序列的连通性结构的能力.在不同维度变量的线性仿真系统和两组现实数据集上与基准方法和经典方法进行了比较,实验结果验证了该方法的有效性.

Granger因果关系时空图推理的群体行为分析

因果关系普遍存在于群体交互行为中,体现出主动体行为对被动体行为的有向影响.因果关系检测的难点在于交互双方的行为具有复杂的时间动态性.现有方法使用循环神经网络,来描述交互关系的时间变化特性,并使用时间注意力机制,来描述时间依赖关系.上述方法忽视了对多人依赖关系的分析,难以区分交互双方中的主动行为者和被动行为者.本文设计了一种基于Granger因果关系的时空图推理模型,来学习交互双方的主动和被动关系.为了实现Granger因果关系检测,该模型对单个个体时序特征进行自回归建模,来描述行为对个体自己的依赖.该模型对两个个体时序特征进行相关回归建模,来描述行为对两个个体的依赖.该模型通过比较自回归误差和相关回归误差,当自回归误差明显大于相关回归误差,则说明相关个体改变了另一方个体的行为特征,从而检测出相关个体为主动个体,另一方为被动个体.相关回归模型考虑了多种时间延迟量的两个个体的时序特征序列,用于学习两个个体之间行为的时间延迟量.该时间延迟量用于将主动个体时间特征与被动个体时间特征进行对齐.时间对齐后的主动个体特征提供了被动个体的时间和空间上下文特征,并与被动个体特征进行通道级的融合.为了充分描述个体之间的外观模式,位置约束,因果关系的交互关系,该模型构建多尺度外观的因果图,并使用图推理学习融合上下文的个体特征和群体特征.本文对Granger因果关系检测进行消融分析,并说明时间延迟量,交互融合通道比例,多尺度图推理,能够有效改善个体特征、群体特征的描述能力.本文方法在Volleyball和Collective Activity数据集上优于现有群体行为识别方法.本文的可视化结果说明Granger因果关系可以捕获群体中关键的交互关系.

基于图模型方法的Granger因果性检验

Granger因果性是衡量系统变量间动态关系的重要依据.本文利用图模型方法研究变量间的Granger因果性,建立了Granger因果图.基于条件互信息和置换检验法建立了Granger因果图结构的辨识方法,利用混沌理论中的关联积分估计相应的检验统计量,给出了统计量的渐进分布,并用所给方法研究国际主要股市间的Granger因果关系.

基于系统动力学的6A学习模型优化

从6A学习模型的影响因素出发,分析结构和6A学习模型内部因素间的相互作用,绘制6A学习模型系统因果图,并进行6A学习模型系统因果分析。基于系统动力学6A学习模型,从“激发学生学习自我效能感的内在需求”“夯实6A学习模型的教学支架”“重构6A学习模型的学习空间”“完善6A学习模型指向育人实践方案”等方面进行6A学习模型的优化。其中,6A学习模型的教学支架是教学应用体系的关键点,对学生学习效果具有重大的影响。可利用人工智能技术实现教学资源属性的升级跨越,将6A学习模型“育人方案”贯穿于大学生学习生活的各个方面,完成指向育人的目标。