Buchumschlag

Deep learning based doubly robust test for Granger causality

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hui, Yongchang, Liu, Chijin, Song, Xiaojun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A doubly robust estimator for the Mann Whitney Wilcoxon Rank Sum Test when applied for causal inference in observational studies
von: Chen, Ruohui, et al.
Veröffentlicht: (2024)

Non-linear dependence and Granger causality: A vine copula approach
von: Fuentes-Martínez, Roberto, et al.
Veröffentlicht: (2024)

Granger Causality in Expectiles: an M-vine copula test
von: Fuentes-Martínez, Roberto, et al.
Veröffentlicht: (2026)

On robust Bayesian causal inference
von: Alexopoulos, Angelos, et al.
Veröffentlicht: (2025)

Estimands and doubly robust estimation for cluster-randomized trials with survival outcomes
von: Fang, Xi, et al.
Veröffentlicht: (2025)

Efficiency-improved doubly robust estimation with non-confounding predictive covariates
von: Luo, Shanshan, et al.
Veröffentlicht: (2024)

Propensity weighting plus adjustment in proportional hazards model is not doubly robust
von: Gabriel, Erin E, et al.
Veröffentlicht: (2023)

Causal inference through multi-stage learning and doubly robust deep neural networks
von: Zhang, Yuqian, et al.
Veröffentlicht: (2024)

Rate doubly robust estimation for weighted average treatment effects
von: Wang, Yiming, et al.
Veröffentlicht: (2025)

Modeling large dimensional matrix time series with partially known and latent factors
von: Hui, Yongchang, et al.
Veröffentlicht: (2024)

Quadruply robust methods for causal mediation analysis
von: Qi, Zhen, et al.
Veröffentlicht: (2026)

Multiply robust estimation for causal survival analysis with treatment noncompliance
von: Cheng, Chao, et al.
Veröffentlicht: (2023)

Recent advances in doubly-robust weighted ordinary least squares techniques for dynamic treatment regime estimation
von: Nadi, Adel Ahmadi, et al.
Veröffentlicht: (2025)

Doubly-robust and heteroscedasticity-aware sample trimming for causal inference
von: Khan, Samir, et al.
Veröffentlicht: (2022)

Handling incomplete outcomes and covariates in cluster-randomized trials: doubly-robust estimation, efficiency considerations, and sensitivity analysis
von: Wang, Bingkai, et al.
Veröffentlicht: (2024)

VARX Granger Analysis: Modeling, Inference, and Applications
von: Parra, Lucas C., et al.
Veröffentlicht: (2024)

Identification and multiply robust estimation of causal effects via instrumental variables from an auxiliary population
von: Li, Wei, et al.
Veröffentlicht: (2024)

Design-based edge-level causal inference with machine learning assisted covariate adjustment
von: Yu, Haoyang, et al.
Veröffentlicht: (2026)

Assumption violations in causal discovery and the robustness of score matching
von: Montagna, Francesco, et al.
Veröffentlicht: (2023)

Principled analysis of crossover designs: causal effects, efficient estimation, and robust inference
von: Jiang, Zhichao, et al.
Veröffentlicht: (2025)

GLACIAL: Granger and Learning-based Causality Analysis for Longitudinal Imaging Studies
von: Nguyen, Minh, et al.
Veröffentlicht: (2022)

Assessing treatment effects in observational data with missing confounders: A comparative study of practical doubly-robust and traditional missing data methods
von: Williamson, Brian D., et al.
Veröffentlicht: (2024)

Discovering the Network Granger Causality in Large Vector Autoregressive Models
von: Uematsu, Yoshimasa, et al.
Veröffentlicht: (2023)

Design-based theory for causal inference
von: Lu, Xin, et al.
Veröffentlicht: (2025)

Conformal causal inference for cluster randomized trials: model-robust inference without asymptotic approximations
von: Wang, Bingkai, et al.
Veröffentlicht: (2024)

G-computation and doubly robust standardisation for continuous-time data: a comparison with inverse probability weighting
von: Chatton, A., et al.
Veröffentlicht: (2020)

Huber-robust likelihood ratio tests for composite nulls and alternatives
von: Saha, Aytijhya, et al.
Veröffentlicht: (2024)

Confounder-robust causal discovery and inference in Perturb-seq using proxy and instrumental variables
von: Park, Kwangmoon, et al.
Veröffentlicht: (2026)

A VAE-based Framework for Learning Multi-Level Neural Granger-Causal Connectivity
von: Lin, Jiahe, et al.
Veröffentlicht: (2024)

Statistical Inference for Local Granger Causality
von: Liu, Yan, et al.
Veröffentlicht: (2021)

The permuted score test for robust differential expression analysis
von: Barry, Timothy, et al.
Veröffentlicht: (2025)

Identification and multiply robust estimation in causal mediation analysis across principal strata
von: Cheng, Chao, et al.
Veröffentlicht: (2023)

Granger Causality in High-Dimensional Networks of Time Series
von: Aslan, Sipan, et al.
Veröffentlicht: (2024)

Data collaboration for causal inference from limited medical testing and medication data
von: Nakayama, Tomoru, et al.
Veröffentlicht: (2025)

Cardinality-Regularized Hawkes-Granger Model
von: Idé, Tsuyoshi, et al.
Veröffentlicht: (2022)

On the use of cross-fitting in causal machine learning with correlated units
von: Balkus, Salvador V., et al.
Veröffentlicht: (2026)

Separation-based causal discovery for extremes
von: Jiang, Junshu, et al.
Veröffentlicht: (2025)

Doubly robust causal inference through penalized bias-reduced estimation: combining non-probability samples with designed surveys
von: Du, Jiacong, et al.
Veröffentlicht: (2024)

Generalized projection tests for function-valued parameters with applications to testing structural causal assumptions
von: Wang, Rui, et al.
Veröffentlicht: (2026)

Bootstrap Matching: a robust and efficient correction for non-random A/B test, and its applications
von: Zheng, Zihao, et al.
Veröffentlicht: (2024)