Identifizierung kausaler Modelle für multivariate Zeitreihen

点击翻译按钮获取中文摘要

Gegenstand dieses Forschungsvorhabens sind graphische Zeitreihenmodelle, die die dynamischen Beziehungen zwischen den Komponenten multivariater Zeitreihen mit Hilfe gemischter Graphen beschreiben. Derartige Modelle bieten sich zur Analyse der kausalen Zusammenhänge zwischen den Variablen an, da die zugehörigen Graphen Aussagen über Abhängigkeiten in beliebigen Untermodellen erlauben und damit eine Identifizierung scheinbarer Kausalitäten, hervorgerufen durch gemeinsame Einflüsse latenter Variablen, ermöglichen. Hierbei wird der Begriff der GrangerKausalität verwendet, der auf einer zeitlichen Anordnung von Ursache und Wirkung beruht. Ziel des Projekts ist es, die bestehenden graphischen Darstellungen kausaler Strukturen auf Modellen mit latenten Variablen zu erweitern und geeignete datenbasierte Verfahren zu ihrer Identifizierung zu entwickeln. Hierbei wird die Entwicklung und Implementierung neuer effizienter Schätzmethoden und Modellwahlverfahren einen wesentlichen Teil des Projekts ausmachen. Die entwickelten Methoden sollen in Simulationen und Datenbeispielen ausgetestet werden.