MétaCan
Menu
Retour à la cohorte
Enregistrement W2517465198 · doi:10.1177/0008068320030302

Improved Estimation of Regression Parameters in Measurement Error Models

2003· article· en· W2517465198 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCalcutta Statistical Association Bulletin · 2003
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Statistical Methods and Models
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésEstimatorMean squared errorStatisticsMathematicsEfficient estimatorStein's unbiased risk estimateBias of an estimatorMinimum-variance unbiased estimatorConsistent estimatorBayes estimatorMinimax estimatorEconometrics

Résumé

récupéré en direct d'OpenAlex

This paper deals with improved estimation of the regrssion parameters in measurement error models when the reliability ratio matrix is known. We consider empirical Bayes estimators which include (i) the unrestricted unbiased (UE) estimator, (ii) the preliminary test estimator (PTE), (iii) the James-Stein estimator (SE), and (iv) the Positive-Rule Stein estimator (PRSE). The biases and the risks under the squared loss function are evaluated for all the four estimaton; and compared.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,026
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,336
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,387
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle