Kendall's tau for autocorrelation
Notice bibliographique
Résumé
The authors show how Kendall's tau can be adapted to test against serial dependence in a univariate time series context.They provide formulas for the mean and variance of circular and non-circular versions of this statistic, and they prove its asymptotic normality.They present also a Monte Carlo study comparing the power and size of a test based on Kendall's tau to that of competing procedures based on alternative parametric and nonparametric measures of serial dependence.In particular, their simulations indicate that Kendall's tau outperforms Spearman's rho in detecting first-order autoregressive dependence, despite the fact that these two statistics are asymptotically equivalent. R ÉSUM ÉLes auteurs montrent comment le tau de Kendall peut être adapté pour tester la présence de dépendance sérielle dans une série chronologique univariée.Ils déterminent l'espérance et la variance de versions circulaire et non-circulaire de cette statistique et en démontrent la normalité asymptotique.Une étude de Monte-Carlo leur permet aussi de comparer le seuil et la puissance d'un test fondé sur cette statistique à celle de tests concurrents s'appuyant sur d'autres mesures paramétriques et non paramétriques de dépendance sérielle.Leurs simulations indiquent entre autres que le tau de Kendall détecte plus facilement la présence de dépendance autorégressive de premier ordre que le rho de Spearman, bien que ces deux statistiques soient asymptotiquement équivalentes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».