MétaCan
Menu
Retour à la cohorte
Enregistrement W2802142088 · doi:10.5539/ijsp.v7n3p105

Decomposition of Parsimonious Independence Model Using Pearson, Kendall and Spearman's Correlations for Two-Way Contingency Tables

2018· article· en· W2802142088 sur OpenAlexvenueno aff
Kiyotaka Iki, Shun Sato, Sadao Tomizawa

Notice bibliographique

RevueInternational Journal of Statistics and Probability · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueBayesian Modeling and Causal Inference
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContingency tableMathematicsIndependence (probability theory)Linear modelStatisticsDistance correlationLog-linear modelStatisticSpearman's rank correlation coefficientApplied mathematicsEconometricsRandom variable

Résumé

récupéré en direct d'OpenAlex

For two-way contingency tables with ordered categories, Tomizawa (1992) considered the parsimonious Linear-by-Linear association model. This model can be described in terms of fewer parameters than the Linear-by-Linear association model (Agresti, 1983). The purpose of this paper is (i) to define the parsimonious independence model, (ii) to show the parsimonious independence model holds if and only if the parsimonious Linear-by-Linear association model holds and the each one of various correlation coefficients is equal to zero, and (iii) show the statistic for testing the parsimonious independence model is asymptotically equivalent to the sum of test statistics for the decomposed models.

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)0,025
score de la tête « metaresearch » (Gemma)0,093
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,093
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0030,003
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,039
Tête enseignante GPT0,334
Écart entre enseignants0,295 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Statistics and ProbabilityMême sujetBayesian Modeling and Causal InferenceTravaux en français237 207