Exact Tests for Contemporaneous Correlation of Disturbances in Seemingly Unrelated Regressions
Notice bibliographique
Résumé
Cet article propose des procédures exactes pour tester la spécification SURE (régressions empilées) dans le contexte des régressions linéaires multivariées, i.e. si les perturbations des différentes équations sont corrélées ou non. Nous appliquons la technique des tests de Monte Carlo (MC) [Dwass (1957), Barnard (1963)] pour obtenir des tests d'indépendance exacts fondés sur les critères du quotient de vraisemblance (LR) et du multiplicateur de Lagrange (LM). Nous suggérons aussi un critère du type quasi-quotient de vraisemblance (QLR) dérivé sur base des moindres carrés généralisés réalisables (FGLS). Nous démontrons que ces statistiques sont libres de paramètres de nuisance sous l'hypothèse nulle, ce qui justifie l'application des tests de Monte Carlo. Par ailleurs, nous généralisons le test exact proposé par Harvey et Phillips (1982) au contexte des équations multiples. En particulier, nous proposons plusieurs tests induits basés sur des tests de type Harvey-Phillips et nous suggérons une technique basée sur des simulations afin de résoudre le problème de combinaison de tests. Nous évaluons les propriétés des tests que nous proposons dans le cadre d'une étude de Monte Carlo. Nos résultats montrent que les tests asymptotiques usuels présentent de sérieuses distorsions de niveau, alors que les tests de MC contrôlent parfaitement le niveau et ont une bonne puissance. De plus, les tests QLR se comportent bien du point de vue de la puissance; ce résultat est intéressant vu que les tests (multivariés) que nous proposons sont basés sur des simulations. La puissance des tests de MC induits augmente sensiblement par rapport aux tests fondés sur l'inégalité de Bonferroni et, dans certains cas, dépasse la puissance des tests de MC fondés sur la vraisemblance. Nous appliquons les tests sur des données utilisées par Fischer (1993) pour analyser des modèles de croissance.
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 | 0,029 | 0,194 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».