MétaCan
Menu
Retour à la cohorte
Enregistrement W2744759677 · doi:10.2202/1941-1928.1096

Nearly Efficient Likelihood Ratio Tests for Seasonal Unit Roots

2011· preprint· en· W2744759677 sur OpenAlexafffund
Michael Jansson, Morten Ørregaard Nielsen

Notice bibliographique

RevueJournal of Time Series Econometrics · 2011
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant nutrient uptake and metabolism
Établissements canadiensQueen's University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaDanmarks GrundforskningsfondNational Research Foundation
Mots-clésMathematicsUnit rootStatisticsLikelihood-ratio testAutoregressive modelScore testEconometrics

Résumé

récupéré en direct d'OpenAlex

In an important generalization of zero frequency autoregressive unit root tests, Hylleberg, Engle, Granger, and Yoo (1990) developed regression-based tests for unit roots at the seasonal frequencies in quarterly time series. We develop likelihood ratio tests for seasonal unit roots and show that these tests are “nearly efficient” in the sense of Elliott, Rothenberg, and Stock (1996), i.e. their asymptotic local power functions are indistinguishable from the Gaussian power envelope. Nearly efficient testing procedures for seasonal unit roots have been developed, including point optimal tests based on the Neyman-Pearson Lemma as well as regression-based tests, e.g. Rodrigues and Taylor (2007). However, both require the choice of a GLS detrending parameter, which our likelihood ratio tests do not.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,197
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,197
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,005
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,049
Tête enseignante GPT0,230
Écart entre enseignants0,181 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Time Series EconometricsMême sujetPlant nutrient uptake and metabolismTravaux en français237 207