📊 statistics

On testing for independence between generalized error models of several time series

Deze paper introduceert een nieuwe methode voor het testen van onafhankelijkheid tussen generaliseerde fouten van meerdere tijdsreeksen met willekeurige verdelingen, inclusief discrete en continue mengsels, en biedt bijbehorende statistieken, grafische visualisaties en een R-pakket voor toepassing op financiële en criminologische data.

Oorspronkelijke auteurs: Kilani Ghoudi, Bouchra R. Nasri, Bruno N. Remillard

Gepubliceerd 2026-04-14

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Kilani Ghoudi, Bouchra R. Nasri, Bruno N. Remillard

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je twee vrienden hebt, Tim en Lisa, die elke dag een dagboek bijhouden. Je wilt weten of hun verhalen echt onafhankelijk van elkaar zijn, of dat ze stiekem van elkaars verhalen afkijken.

In de statistische wereld noemen we dit het testen op onafhankelijkheid tussen tijdreeksen. De meeste bestaande methodes werken alleen als de dagboeken van Tim en Lisa vol zitten met vloeiende, continue verhalen (zoals temperaturen of aandelenkoersen). Maar wat als Lisa's dagboek vol staat met hele specifieke, afgebroken stukjes? Bijvoorbeeld: "Ik heb 0 euro uitgegeven", "Ik heb 1 euro uitgegeven", of "Ik heb 5 euro uitgegeven"? Of wat als ze soms een dag niets doet (een 'zero-inflated' situatie)?

Deze paper, geschreven door Kilani Ghoudi, Bouchra Nasri en Bruno Rémillard, introduceert een nieuwe, superkrachtige methode om te testen of zulke verschillende soorten verhalen (tijdreeksen) met elkaar verbonden zijn, ongeacht of ze continu of 'sprongsgewijs' zijn.

Hier is de uitleg in simpele taal, met een paar creatieve vergelijkingen:

1. Het Probleem: De "Ruwe Steen" van de Data

Stel je voor dat je wilt weten of Tim en Lisa op elkaar reageren.

De oude manier: Je kijkt naar hun dagboeken en probeert een rechte lijn te trekken door de punten. Als de lijn recht is, zeggen we: "Ze zijn onafhankelijk." Maar dit werkt alleen als de punten een gladde lijn vormen. Als Lisa's dagboek vol staat met losse stippen (discrete data, zoals aantallen misdaden of nul-uitgaven), breekt deze oude methode. Het is alsof je probeert een rechte lijn te trekken door een hoop losse stenen; het lukt niet goed.
Het nieuwe idee: De auteurs zeggen: "Wacht even, we gaan de stenen niet meten, we gaan ze veranderen."

2. De Oplossing: De "Magische Transformatie" (Generalized Innovations)

De kern van hun idee is het creëren van iets dat ze "generalized innovations" noemen.

De Analogie: Stel je voor dat Tim en Lisa hun dagboeken in een magische pers stoppen.
- Als Tim een glad verhaal heeft, komt er een gladde, uniforme stroop uit.
- Als Lisa een dagboek heeft met losse stenen (discrete data), doet de machine iets slim: het voegt een klein beetje willekeur toe (een beetje 'zand' of 'ruis') om de stenen glad te strijken.
- Het resultaat? Uit de machine komen voor beide vrienden perfect ronde balletjes die allemaal even groot zijn en in een rijtje liggen. Ze zijn nu allemaal "uniform verdeeld".

Dit proces heet in de paper het toepassen van een randomisatie-techniek. Het maakt het niet uit of de oorspronkelijke data ruw of glad was; de uitgang is altijd een eerlijk, rond balletje.

3. Het Testen: De "Danspartij"

Nu Tim en Lisa beide een rijtje met perfecte balletjes hebben, kunnen we gaan testen of ze nog steeds met elkaar dansen.

De Vraag: Als Tim een balletje naar voren schuift, doet Lisa dat dan ook? Of bewegen ze volledig willekeurig?
De Methode: De auteurs gebruiken een soort dansvloer (een empirisch proces). Ze kijken naar de balletjes die Tim en Lisa op verschillende tijdstippen hebben geproduceerd.
- Kijken ze naar elkaar? (Lag 0)
- Reageert Lisa op wat Tim gisteren deed? (Lag 1)
- Reageert Tim op wat Lisa twee dagen geleden deed? (Lag 2)

Ze gebruiken wiskundige trucs (genaamd Möbius-transformaties) om de dansvloer op te ruimen. Dit zorgt ervoor dat ze alleen naar de echte dansstappen kijken en niet naar de ruis van de muziek.

4. De Resultaten: De "Detective" werkt voor iedereen

De auteurs hebben bewezen dat deze nieuwe methode werkt voor:

Financiële data: Zoals aandelenkoersen (continu), maar ook voor situaties waarbij een aandeel soms helemaal niet beweegt (discrete/zero-inflated).
Misdaadstatistieken: Zoals het aantal inbraken in een wijk (altijd hele getallen: 0, 1, 2...).

Wat ontdekten ze?

Het werkt: Je kunt nu betrouwbaar testen of twee verschillende soorten tijdreeksen met elkaar verbonden zijn, zelfs als de ene "glad" is en de andere "ruw".
Het is slim: Als je de "magische pers" gebruikt (de transformatie), verdwijnt de invloed van de oorspronkelijke vorm van de data. Je test puur op de relatie tussen de verhalen.
Averaging (Gemiddelden nemen): Soms is de "willekeur" die ze toevoegen (de zandkorrels) een beetje luidruchtig. Ze ontdekten dat als je de test een paar keer herhaalt met verschillende hoeveelheden zand en het gemiddelde neemt, je de "dans" nog scherper kunt zien.

5. Praktijkvoorbeelden uit de paper

Beursvoorbeeld: Ze keken naar Apple, Intel en HP. Eerst leek het alsof ze allemaal met elkaar dansen. Maar toen ze hun "magische pers" gebruikten en de invloed van de NASDAQ-index (een grote leider) erbij haalden, bleek dat de drie bedrijven eigenlijk onafhankelijk waren van elkaar, gegeven wat er eerder was gebeurd. De NASDAQ was de echte danspartner!
Misdaadvoorbeeld: Ze keken naar diefstal en overvallen in Pittsburgh. Zonder de juiste modellen leek er geen verband. Maar toen ze de juiste "magische pers" (INGARCH-modellen) gebruikten, zagen ze dat de schijnbare correlatie eigenlijk kwam door de eigen dynamiek van de tijdreeksen, niet door een directe link tussen de twee misdaden.

Samenvatting in één zin

Deze paper geeft ons een universele vertaler die ruwe, onregelmatige data (zoals aantallen of nul-waarden) omzet in een standaardtaal, zodat we met één en dezelfde test kunnen bepalen of twee verhalen (tijdreeksen) echt onafhankelijk van elkaar zijn of stiekem met elkaar praten.

Het is alsof je een tolk hebt die zowel "glad Frans" als "ruig Duits" vertaalt naar perfect "Engels", zodat je eindelijk kunt zien of de twee sprekers met elkaar in gesprek zijn.

Titel: Toetsen op onafhankelijkheid tussen generaliseerde foutmodellen van meerdere tijdreeksen

Auteurs: Kilani Ghoudi, Bouchra R. Nasri en Bruno N. Rémillard.

1. Probleemstelling

Het toetsen van conditionele onafhankelijkheid tussen tijdreeksen is cruciaal voor het begrijpen en modelleren van hun onderlinge relaties. Traditionele methoden om onafhankelijkheid te testen (zoals kruis-correlaties of tests op coefficients van multivariate modellen) hebben vaak beperkingen:

Ze zijn vaak beperkt tot continue verdelingen (bijv. Gaussische verdelingen).
Ze kunnen falen bij het detecteren van niet-lineaire afhankelijkheden, vooral in niet-Gaussische contexten.
Ze zijn niet direct toepasbaar op tijdreeksen met discrete verdelingen of gemengde verdelingen (bijv. zero-inflated modellen, waar een deel van de data exact nul is en het deel continu is).

Bestaande literatuur (zoals Duchesne et al., 2012) heeft methoden ontwikkeld voor stochastische volatiliteitsmodellen (continue), maar er ontbrak een algemene raamwerk voor tijdreeksen met willekeurige verdelingen (discreet, continu of gemengd).

2. Methodologie

De auteurs stellen een nieuw raamwerk voor dat gebaseerd is op generaliseerde innovaties (generalized innovations) en copula-theorie.

A. Generaliseerde Innovaties en Randomisatie

Voor tijdreeksen met willekeurige verdelingen (inclusief discrete) definiëren de auteurs "generaliseerde fouten" ( $U_t$ ) die uniform verdeeld zijn op $(0,1)$ en onderling onafhankelijk zijn, zelfs als de onderliggende verdeling discontinu is.

Ze gebruiken een randomisatietechniek (Brockwell, 2007):
$U_t = G_t(X_{t-}) + V_t \Delta G_t(X_t)$
Waarbij $G_t$ de voorwaardelijke cumulatieve verdelingsfunctie (CDF) is, $\Delta G_t$ de springgrootte (voor discrete punten), en $V_t$ een onafhankelijke uniforme variabele is.
Dit zorgt ervoor dat $U_t$ conditioneel uniform is, ongeacht of $X_t$ continu of discreet is.

B. Multivariate Modellering

De afhankelijkheid tussen meerdere tijdreeksen wordt gemodelleerd via een conditionele Sklar-vergelijking met een tijdvariabele copula $C_t$ .

De nullhypothese ( $H_0$ ) is dat de copula de onafhankelijkheidscopula ( $\Pi$ ) is voor alle tijdstippen.
De alternatieve hypothese ( $H_1$ ) is dat er afhankelijkheid bestaat voor ten minste één tijdstip of lag.

C. Empirische Processen en Möbius-transformaties

Om onafhankelijkheid te testen, worden empirische processen geconstrueerd op basis van vertraagde pseudo-observaties (rangen van de generaliseerde fouten).

De auteurs definiëren processen $K_{n,\ell}$ en $C_{n,\ell}$ gebaseerd op vertraagde waarnemingen.
Ze introduceren Möbius-transformaties van deze processen. Dit is een cruciale stap omdat Möbius-transformaties leiden tot eenvoudigere covariantiestructuren en doorgaans krachtigere tests opleveren dan het gebruik van de ruwe empirische processen.
De asymptotische verdeling van deze getransformeerde processen wordt bewezen te zijn een Gaussisch proces dat onafhankelijk is van de geschatte parameters van de individuele tijdreeksen (een "parameter-free" eigenschap).

D. Teststatistieken

Op basis van de asymptotische verdelingen worden verschillende teststatistieken voorgesteld:

Cramér–von Mises (CvM) statistieken ( $S_{n,A,\ell}$ ): Gebaseerd op de integraal van het kwadraat van het empirische proces.
Generaliseerde kruis-correlaties ( $\hat{r}_{n,A,\ell}$ ): Gebaseerd op correlaties van de getransformeerde fouten.
Afhankelijkheidsmaten: Uitbreidingen van Spearman's rho, Savage's coefficient en van der Waerden's coefficient.
Gecombineerde statistieken: Om tests over verschillende lags en subsets van reeksen te combineren (bijv. $W_n$ , $F_n$ , $H_n$ ), wat de power van de test verhoogt tegen een breder scala aan alternatieven.

3. Belangrijkste Bijdragen

Generalisatie naar willekeurige verdelingen: Het artikel breidt de theorie van onafhankelijkheidstesten uit van puur continue modellen (zoals stochastische volatiliteit) naar modellen met gemengde verdelingen (discreet + continu), inclusief zero-inflated scenario's.
Theoretische uitbreiding: Bewijs dat de asymptotische verdeling van de teststatistieken onafhankelijk is van de parameterschatters, zelfs bij het gebruik van randomisatie voor discrete data.
Implementatie: Alle methoden zijn geïmplementeerd in het R-pakket IndGenErrors (op CRAN), waardoor de methoden direct toepasbaar zijn voor onderzoekers.
Uitbreiding van bestaande werken: Het bouwt voort op werk van Duchesne et al. (2012) en Kheifets & Velasco (2017), maar lost het probleem op van het testen van cross-dependence in multivariate settings met niet-continue marges.

4. Resultaten

Numerieke Experimenten (Simulaties)

De auteurs hebben uitgebreide Monte-Carlo simulaties uitgevoerd om het niveau (type I-fout) en de power (type II-fout) te evalueren.

Niveau: De tests behouden hun nominale niveau (bijv. 5%) goed, zelfs bij kleine steekproefomvang ( $n=100$ ).
Power:
- De gecombineerde statistiek $W_n$ (gebaseerd op CvM) presteert over het algemeen het beste en is robuust tegen verschillende soorten afhankelijkheid.
- Correlatie-gebaseerde statistieken (zoals $H_n$ ) zijn zeer krachtig voor lineaire/Gaussische afhankelijkheid maar falen bij niet-lineaire afhankelijkheden (zoals de "Tent Map" copula), tenzij specifieke maten (zoals Savage's coefficient) worden gebruikt.
- Discrete vs. Continu: Er is een lichte daling in power bij discrete data vergeleken met continue data, wat toe te schrijven is aan de randomisatie. De auteurs tonen aan dat gemiddelde over meerdere randomisaties (averaging over $M$ replicaties) deze power-verlies kan compenseren, hoewel dit de distributievrijheid tenietdoet en bootstrapping vereist.
Drie tijdreeksen: De methoden werken ook effectief voor multivariate gevallen ( $d=3$ ), hoewel sommige statistieken (zoals $H_{E,n}$ ) langzamer convergeren bij hogere dimensies.

Toepassingen

Financiële Data (NASDAQ):
- Geanalyseerde reeksen: Apple, Intel, Hewlett-Packard.
- Intel had een zero-inflated karakter (veel nul-returns), wat een zero-inflated Gaussian HMM vereiste.
- Resultaat: Zonder covariaten was er sterke afhankelijkheid. Na het toevoegen van de NASDAQ-index als covariaat in de modellen, bleek de conditionele onafhankelijkheid tussen de generaliseerde fouten te gelden. Dit bevestigt dat de NASDAQ-index de gezamenlijke bewegingen verklaart.
Misdaaddata (Pittsburgh):
- Geanalyseerde reeksen: Roofdiefstal (ROB) en Misdadig gedrag (CMIS).
- Gebruik van INGARCH-modellen (voor discrete tellingsdata).
- Resultaat: Na het modelleren van de individuele dynamiek, bleef er geen significante cross-dependence over. De tests bevestigden conditionele onafhankelijkheid.

5. Betekenis en Conclusie

Deze paper biedt een robuust en flexibel statistisch raamwerk om de onafhankelijkheid van tijdreeksen te testen, ongeacht de aard van hun verdeling (discreet, continu of gemengd).

Praktische relevantie: Het stelt econometristen en datawetenschappers in staat om complexere, realistischere modellen te testen (zoals regime-switching en zero-inflated modellen) zonder beperkt te zijn tot Gaussische aannames.
Methodologische vooruitgang: Het koppelt de theorie van copula's, generaliseerde fouten en empirische processen op een manier die zowel theoretisch onderbouwd is als praktisch toepasbaar via de IndGenErrors software.
Toekomstige richting: De methode is essentieel voor het bouwen van accurate multivariate voorspellingsmodellen in domeinen waar data vaak discreet of "gezero-inflated" is, zoals in de financiële sector (nul-returns), criminologie (aantal misdaden) en epidemiologie.