[論文レビュー] State Space Methods for Granger-Geweke Causality Measures

Victor Solo|arXiv (Cornell University)|Jan 19, 2015

Blind Source Separation Techniques参考文献 31被引用数 3

ひとこと要約

本稿は、状態空間法を用いて部分モデルの計算、ダウンサンプリングおよびフィルタリングの影響のモデル化、周波数領域におけるGEM推定の信頼性を確保することで、Granger-Geweke因果尺度（GEMs）における長年の理論的・計算的課題を解決する。主な貢献は、サンプリングおよびフィルタリングが因果に与える理論的影響を確立する計算的に安定したフレームワークを提供することであり、fMRIおよび多次元時系列解析への応用を含む。

ABSTRACT

At least two recent developments have put the spotlight on some significant gaps in the theory of multivariate time series. The recent interest in the dynamics of networks; and the advent, across a range of applications, of measuring modalities that operate on different temporal scales. Fundamental to the description of network dynamics is the direction of interaction between nodes, accompanied by a measure of the strength of such interactions. Granger causality (GC) and its associated frequency domain strength measures (GEMs) (due to Geweke) provide a framework for the formulation and analysis of these issues. In pursuing this setup, three significant unresolved issues emerge. Firstly computing GEMs involves computing submodels of vector time series mod- els, for which reliable methods do not exist; Secondly the impact of filtering on GEMs has never been definitively established. Thirdly the impact of downsampling on GEMs has never been established. In this work, using state space methods, we resolve all these issues and illustrate the results with some simulations. Our discussion is motivated by some problems in (fMRI) brain imaging but is of general applicability.

研究の動機と目的

• 多次元時系列における未解決問題に対処する：GEMsの信頼性のある部分モデル計算、およびダウンサンプリングとフィルタリングが因果尺度に与える影響。
• 時間スケールの不一致や信号変換が存在する状況下で、GEMsを理論的に妥当かつ計算的に実行可能に計算するフレームワークを提供する。
• 特に神経動態が記録されたfMRI信号よりも遅い神経画像法の文脈において、ダウンサンプリングおよびフィルタリング下での前向きおよび逆向き因果推論の問題を解消する。
• サンプリングおよびフィルタリング下でGranger因果が保存されたり歪められたりする一般的な条件を確立し、計量経済学および神経科学的応用におけるギャップを埋める。

提案手法

• ベクトル自己回帰過程をモデル化するための状態空間表現を用い、安定で因果的かつ最小位相のスペクトル因子分解を導出する。
• 離散代数的リカチ方程式（DARE）を用いて最適な状態推定器およびスペクトル密度を計算し、安定性および検出可能性を保証する。
• 非最小位相フィルタの最小位相および全通過成分への分解を導出し、スペクトル因子分解およびGEM計算を可能にする。
• 時系列のダウンサンプリングおよびフィルタリングによる変換を、状態空間遷移を用いてモデル化し、元のプロセスの構造を保持する。
• スペクトル因子分解技術を用いて、部分モデルおよび結合プロセスのパワー・スペクトル密度を計算し、正確なGEM推定を可能にする。
• シミュレーションを通じて結果を検証し、さまざまなフィルタリングおよびサンプリング条件下でのGEMの一貫性と正しさを示す。

実験結果

リサーチクエスチョン

• RQ1 高速時間スケールのプロセスにおける片方向のGranger因果は、信号のダウンサンプリングおよびフィルタリング版でも検出可能か？
• RQ2 逆方向の因果推論が可能か、すなわち、ダウンサンプリングされた信号で観察された因果関係が、元の高レートプロセスにおける因果関係を示唆するか？
• RQ3 特にヘモダイナミック反応関数のような可変時間遅延を有するフィルタリング操作は、GEM推定にどのように影響するか？
• RQ4 ダウンサンプリングおよびフィルタリング下で、GEMが有効または歪められる一般的な条件は何か？
• RQ5 負の周波数領域値を生じさせない信頼性のある部分モデル計算が、GEMに対して達成可能か？

主な発見

• 本稿は、状態空間系の検出可能性が、GEM計算の安定性および有効性の十分条件であることを確立し、従来手法における負のGEM値の問題を解決した。
• 多次元時系列の部分モデルを信頼性高く計算する状態空間ベースの手法が開発され、不一致した部分モデル適合による負のGEM値のリスクが排除された。
• ダウンサンプリングがGEMに与える影響が形式的に特徴付けられた：因果関係は失われるか歪められる可能性があり、適切にモデル化しない限り、逆方向因果推論は一般に無効である。
• スペクトル因子分解を用いて、フィルタリングの影響が解析的に解消された。非最小位相フィルタは最小位相および全通過成分に分解可能であり、スペクトル構造を保持できることが示された。
• 状態空間モデルが適切に指定されていれば、フィルタリングおよびダウンサンプリングされた信号からのGEM計算が、元の真の因果関係と一貫していることを保証した。
• サンプリングおよびフィルタリング下でGEMが不変または予測可能に変化する理論的条件が導出され、fMRIおよび他の応用分野における信頼性のある推論の基盤が提供された。