时间序列中因果关系的推断主要基于预测范式。 尽管如此，预测因果关系方法可能会低估在现实世界现象中观察到的因果相互作用的同时和互惠性质。 在这里，我们提出了一种因果分解方法，它不是基于预测，而是基于因果的协变：原因是放置，结果跟随； 和删除，效果被删除。 使用经验模式分解，我们表明因果相互作用在特定时间尺度上被编码为瞬时相位依赖性，并且当从效应中去除与因果相关的内在成分时，这种相位依赖性会减弱。 此外，我们证明了我们的方法对随机和确定性系统的通用适用性，并展示了因果分解方法与现有方法相比的一致性，并最终揭示了建模和实际捕食者 - 猎物系统中因果相互作用的关键模式。
