MétaCan
Menu
Retour à la cohorte
Enregistrement W3121566307

Testing Conditional Symmetry Without Smoothing

2011· preprint· en· W3121566307 sur OpenAlexaff
Tao Chen, Gautam Tripathi

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2011
Typepreprint
Langueen
DomaineMathematics
ThématiqueStatistical Methods and Inference
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésTest statisticSmoothingMathematicsMonte Carlo methodNull distributionNull (SQL)Nonparametric statisticsSymmetry (geometry)Conditional probability distributionStatisticGaussianApplied mathematicsStatistical hypothesis testingNull hypothesisStatisticsStatistical physicsEconometricsComputer sciencePhysicsData mining
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We test the assumption of conditional symmetry used to identify and estimate parameters in regression models with endogenous regressors without making any distributional assumptions. The specification test proposed here is computationally tractable, does not require nonparametric smoothing, and can detect n1/2-deviations from the null. Since the limiting distribution of the test statistic turns out to be a non-pivotal gaussian process, the critical values for implementing the test are obtained by simulation. In a Monte Carlo study we use the approach proposed here to test the assumption of conditional symmetry maintained in the seminal paper of Powell (1986b). Results from this finite sample experiment suggest that our test can work very well in moderately sized samples.

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)0,066
score de la tête « metaresearch » (Gemma)0,423
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,351

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0660,423
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,007
Communication savante0,0030,006
Science ouverte0,0040,004
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,215
Tête enseignante GPT0,428
Écart entre enseignants0,213 · 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
GenreMéthodes

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'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetStatistical Methods and InferenceTravaux en français237 207