Conditional Independence Tests Between Arbitrary Time Series
Generalized innovations are defined and associated with generalized error models having arbitrary distributions, i.e., mixtures of continuous and discrete distributions. The main novelty of this article is to be able to test for conditional independence between several time series with arbitrary distributions. Families of empirical processes and their Moebius transformations are defined from lagged generalized errors, with asymptotically independent non-parametric Gaussian distributions. Several test statistics are then proposed based on Cramer von Mises-type statistics and dependence measures, as well as graphical methods to visualize the dependence. In addition, numerical experiments are performed to assess the power of the proposed tests. All developed methodologies are implemented in the CRAN package IndGenErrors.
Tests d'indépendance conditionnelle entre des séries chroniques ayant des distributions arbitraires
Des innovations généralisées sont définies et associées à des modèles d'erreurs généralisés ayant des distributions arbitraires, c'est-à-dire des mélanges de distributions continues et discrètes. La principale nouveauté de cet article est de pouvoir tester l'indépendance conditionnelle entre plusieurs séries chronologiques ayant des distributions arbitraires. Des familles de processus empiriques et leurs transformations de Moebius sont définies à partir d'erreurs généralisées décalées, et ayant asymptotiquement des distributions gaussiennes indépendantes non paramétriques. Plusieurs statistiques de test sont ensuite proposées sur la base de statistiques de type Cramer von Mises et de mesures de dépendance, ainsi que des méthodes graphiques pour visualiser la dépendance. De plus, des expériences numériques sont réalisées pour évaluer la puissance des tests proposés. Toutes les méthodologies développées sont implémentées dans la librairie CRAN IndGenErrors.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais