論文の概要: Testing Granger Non-Causality in Panels with Cross-Sectional Dependencies

• arxiv url: http://arxiv.org/abs/2202.11612v1
• Date: Wed, 23 Feb 2022 16:49:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-24 15:45:00.281260
• Title: Testing Granger Non-Causality in Panels with Cross-Sectional Dependencies
• Title（参考訳）: 断面依存性を有するパネルの粒状非因果性試験
• Authors: Lenon Minorics, Caner Turkmen, David Kernert, Patrick Bloebaum, Laurent Callot, Dominik Janzing
• Abstract要約: 本稿では,パネルデータ上でGrangerの非因果性をテストするための新しい手法を提案する。 パネルメンバー統計を集約する代わりに、対応するp-値を集約し、その結果のp-値が、パネルメンバーが依存している場合でも、選択された重要度レベルによってタイプIエラーをほぼ有界化することを示す。 パネルデータ上で最も広く使われているGranger因果性アルゴリズムに対する我々のアプローチを比較し、我々のアプローチは、大きなサンプルサイズと断面積依存のパネルに対して、同じパワーで低いFDRが得られることを示す。
• 参考スコア（独自算出の注目度）: 10.500652746850106
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a new approach for testing Granger non-causality on panel data. Instead of aggregating panel member statistics, we aggregate their corresponding p-values and show that the resulting p-value approximately bounds the type I error by the chosen significance level even if the panel members are dependent. We compare our approach against the most widely used Granger causality algorithm on panel data and show that our approach yields lower FDR at the same power for large sample sizes and panels with cross-sectional dependencies. Finally, we examine COVID-19 data about confirmed cases and deaths measured in countries/regions worldwide and show that our approach is able to discover the true causal relation between confirmed cases and deaths while state-of-the-art approaches fail.
• Abstract（参考訳）: 本稿では,パネルデータ上でGrangerの非因果性をテストするための新しい手法を提案する。 パネルメンバの統計を集約する代わりに、対応するp値を集約し、パネルメンバが依存している場合でも、結果のp値が選択した重要度レベルでタイプiエラーにほぼバウンドすることを示す。 パネルデータ上で最も広く使われているGranger因果性アルゴリズムに対する我々のアプローチを比較し、我々のアプローチは、大きなサンプルサイズと断面積依存のパネルに対して、同じパワーで低いFDRが得られることを示す。 最後に、世界中の国や地域で測定された感染者と死亡者に関するCOVID-19データについて検討し、現状のアプローチが失敗しながら、確認されたケースと死亡者の間の真の因果関係を見出すことができることを示す。

関連論文リスト

• Assouad, Fano, and Le Cam with Interaction: A Unifying Lower Bound Framework and Characterization for Bandit Learnability [71.82666334363174]
  我々は,統計的推定と対話的意思決定において,下位境界法のための統一的なフレームワークを開発する。 対話型意思決定のための新しい下位境界の複雑さを促進する新しい尺度である決定次元を導入する。
  論文  参考訳（メタデータ） (2024-10-07T15:14:58Z)
• Combine and Conquer: A Meta-Analysis on Data Shift and Out-of-Distribution Detection [30.377446496559635]
  本稿では,アウト・オブ・ディストリビューション(OOD)検出スコアをシームレスに組み合わせるための普遍的アプローチを提案する。 我々のフレームワークは、検出スコアにおける将来の発展にとって容易であり、この文脈で意思決定境界を結合する最初の手段である。
  論文  参考訳（メタデータ） (2024-06-23T08:16:44Z)
• Reliability Gaps Between Groups in COMPAS Dataset [0.0]
  本稿ではリスクアセスメント機器(RAI)のレータ間信頼性について検討する。 主な疑問は、異なる社会的に健全なグループがRAIの相互信頼の欠如によって異なる影響を受けるかどうかである。
  論文  参考訳（メタデータ） (2023-08-29T12:09:22Z)
• GREAT Score: Global Robustness Evaluation of Adversarial Perturbation using Generative Models [60.48306899271866]
  GREATスコア(GREAT Score)と呼ばれる新しいフレームワークを提案する。 我々は,ロバストベンチにおける攻撃ベースモデルと比較し,高い相関性を示し,GREATスコアのコストを大幅に削減した。 GREAT Scoreは、プライバシーに敏感なブラックボックスモデルのリモート監査に使用することができる。
  論文  参考訳（メタデータ） (2023-04-19T14:58:27Z)
• Counter-GAP: Counterfactual Bias Evaluation through Gendered Ambiguous Pronouns [53.62845317039185]
  バイアス測定データセットは、言語モデルのバイアスされた振る舞いを検出する上で重要な役割を果たす。 本稿では, 多様な, 自然な, 最小限のテキストペアを, 対物生成によって収集する新しい手法を提案する。 事前学習された4つの言語モデルは、各グループ内よりも、異なる性別グループ間でかなり不整合であることを示す。
  論文  参考訳（メタデータ） (2023-02-11T12:11:03Z)
• Non-parametric Clustering of Multivariate Populations with Arbitrary Sizes [0.0]
  K群を同じ依存構造を持つ部分群に分類するクラスタリング手法を提案する。 数値的な研究と2つの実際のデータセットを通してクラスタリングアルゴリズムを説明します。
  論文  参考訳（メタデータ） (2022-11-11T16:38:29Z)
• A New Family of Generalization Bounds Using Samplewise Evaluated CMI [14.147617330278662]
  本稿では,学習損失と人口損失を連接凸関数を用いて比較する情報理論の一般化境界系を提案する。 これまでに知られていた情報理論境界を拡張することで,この枠組みの汎用性を実証する。 いくつかのシナリオでは、この新しい境界は、以前の境界よりも深いニューラルネットワークの人口減少を厳しく評価する。
  論文  参考訳（メタデータ） (2022-10-12T17:15:44Z)
• Application of the Affinity Propagation Clustering Technique to obtain traffic accident clusters at macro, meso, and micro levels [0.0]
  事故発生場所を特定する上で,事故グループ化は重要なステップである。 この研究は、交通事故をグループ化するためのAPC(Affinity Propagation Clustering)アプローチを導入している。 類似性の選好パラメータは、モデルをキャリブレーションし、クラスタを生成するために必要なパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2022-02-09T02:46:19Z)
• Examining and Combating Spurious Features under Distribution Shift [94.31956965507085]
  我々は、最小限の統計量という情報理論の概念を用いて、ロバストで刺激的な表現を定義し、分析する。 入力分布のバイアスしか持たない場合でも、モデルはトレーニングデータから急激な特徴を拾い上げることができることを証明しています。 分析から着想を得た結果,グループDROは,グループ同士の相関関係を直接考慮しない場合に失敗する可能性が示唆された。
  論文  参考訳（メタデータ） (2021-06-14T05:39:09Z)
• The Gap on GAP: Tackling the Problem of Differing Data Distributions in Bias-Measuring Datasets [58.53269361115974]
  バイアスモデルを検出する診断データセットは、自然言語処理におけるバイアス低減の重要な前提条件である。 収集されたデータの望ましくないパターンは、そのようなテストを誤ったものにします。 実験データにおけるそのようなパターンに対処するために, 実験サンプルを重み付けする理論的基礎的手法を提案する。
  論文  参考訳（メタデータ） (2020-11-03T16:50:13Z)
• Two-Sample Testing on Ranked Preference Data and the Role of Modeling Assumptions [57.77347280992548]
  本稿では,ペアワイズ比較データとランキングデータのための2サンプル試験を設計する。 私たちのテストでは、基本的に分布に関する仮定は必要ありません。 実世界のペアワイズ比較データに2サンプルテストを適用することで、人によって提供される評価とランキングは、実際は異なる分散である、と結論付ける。
  論文  参考訳（メタデータ） (2020-06-21T20:51:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。