MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Statistical Methods and Inference
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

1 935 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
1 935 travaux dans la cohorte · sur 4 299 418page 38 sur 39

Les étiquettes couvrent 22 des 1 935 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 1 935 des 1 935 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
Mixed Data Kernel Copulas
Jeffrey S. Racine
2013· preprint· en· RePEc: Research Papers in Economics· Mathematics
prédiction distillée:candidate · metaresearch+metaepi_narrow+research_integrity+insufficient_payloadconsensus · aucune
0
citations
affvenuenon étiqueté
Reproducing kernel‐based functional linear expectile regression
Meichen Liu, Matthew Pietrosanu, Peng Liu, Bei Jiang, Xingcai Zhou, Linglong Kong
2021· article· en· Canadian Journal of Statistics· Mathematics
prédiction distillée:candidate · metaresearch+insufficient_payloadconsensus · aucune
0
citations
affnon étiqueté
Wild Bootstrap Tests for IV Regression
Russell Davidson, James G. MacKinnon
2008· preprint· en· AgEcon Search (University of Minnesota, USA)· Mathematics
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
0
citations
affsans résuménon étiqueté
Asymptotic normality of the nearest neighbor hazard estimates
Jiang Lu, Minggao Gu, Feng Qilin
2000· article· en· Acta Mathematicae Applicatae Sinica English Series· Mathematics
prédiction distillée:candidate · metaepi_narrow+insufficient_payloadconsensus · aucune
0
citations
affnon étiqueté
Mixed Effects Random Forest for Clustered Data
Ahlem Hajjem, François Bellavance, Denis Larocque
2010· article· fr· Les Cahiers du GERAD· Mathematics
prédiction distillée:candidate · metaresearch+metaepi_narrowconsensus · aucune
0
citations
affsans résuménon étiqueté
Nonparametric Models with Random Effects
Yiguo Sun, Wei Lin, Qi Li
2017· book-chapter· en· Advanced studies in theoretical and applied econometrics· Mathematics
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
0
citations
venueno affnon étiqueté
Olsavs: A New Algorithm For Model Selection
Nicklaus T. Hicks, Hasthika S. Rupasinghe Arachchige Don
2023· article· en· International Journal of Statistics and Probability· Mathematics
prédiction distillée:candidate · aucuneconsensus · aucune
0
citations
fundno affnon étiqueté
A test of singularity for distribution functions
Victoria Zinde‐Walsh, John W. Galbraith
2011· preprint· en· RePEc: Research Papers in Economics· Mathematics
prédiction distillée:candidate · metaresearchconsensus · aucune
0
citations
venueno affnon étiqueté
10.51847/a7p5z0Lwpk
2000· article· en· Time to knit· Mathematics
prédiction distillée:candidate · insufficient_payloadconsensus · insufficient_payload
0
citations
afffundnon étiqueté
Empirical Likelihood Block Bootstrapping
Jason Allen, Allan W. Gregory, Katsumi Shimotsu
2008· preprint· en· Econstor (Econstor)· Mathematics
prédiction distillée:candidate · metaepi_narrow+research_integrity+insufficient_payloadconsensus · aucune
0
citations
affnon étiqueté
Tree-based boosting with functional data
Xiaomeng Ju, Matías Salibián‐Barrera
2021· preprint· en· arXiv (Cornell University)· Mathematics
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
0
citations
affnon étiqueté
Two-sample high-dimensional empirical likelihood
Jianglin Fang, Wanrong Liu, Xuewen Lu
2017· article· en· Communication in Statistics- Theory and Methods· Mathematics
prédiction distillée:candidate · metaresearchconsensus · aucune
0
citations
affnon étiqueté
On Improved Shrinkage Estimators for Concave Loss
Tatsuya Kubokawa, Éric Marchand, William E. Strawderman
2014· preprint· en· RePEc: Research Papers in Economics· Mathematics
prédiction distillée:candidate · metaresearch+metaepi_narrowconsensus · aucune
0
citations
affnon étiqueté
Conditional Variance Function Estimation
Jeffrey S. Racine
2018· book-chapter· en· Cambridge University Press eBooks· Mathematics
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos