Notice bibliographique
Résumé
Citation (2014), "List of Contributors", Bayesian Model Comparison (Advances in Econometrics, Vol. 34), Emerald Group Publishing Limited, Bingley, pp. vii-viii. https://doi.org/10.1108/S0731-905320140000034015 Publisher: Emerald Group Publishing Limited Copyright © 2014 Emerald Group Publishing Limited Daniel Felix Ahelegbey Graduate School of Economics and Management, University of Venice, Venice, Italy Miguel Belmonte Department of Economics, University of Strathclyde, Glasgow, UK Gail Blattenberger Department of Economics, University of Utah, Salt Lake City, UT, USA Martin Burda Department of Economics, University of Toronto, Toronto, Canada Garland Durham Orfalea College of Business, California State Polytechnic Institute, San Luis Obispo, CA, USA Richard Fowles Department of Economics, University of Utah, Salt Lake City, UT, USA John Geweke School of Business, University of Technology Sydney, Sydney, Australia; Erasmus University, Rotterdam, The Netherlands; Colorado State University, Fort Collins, CO, USA Benjamin J. Gillen Department of Economics, California Institute of Technology, Pasadena, CA, USA Paolo Giudici Department of Economics and Management, University of Pavia, Pavia, Italy Esther Hee Lee EViews, IHS Global Inc., Irvine, CA, USA Ivan Jeliazkov Department of Economics, University of California – Irvine, Irvine, CA, USA Gary Koop Department of Economics, University of Strathclyde, Glasgow, UK Peter D. Loeb Department of Economics, Rutgers University, Newark, NJ, USA Enrique Martínez-García Research Department, Federal Reserve Bank of Dallas, Dallas, TX, USA Elías Moreno Department of Statistics, University of Granada, Granada, Spain Luís Raúl Pericchi Department of Mathematics, University of Puerto Rico, Rio Piedras, San Juan, Puerto Rico, USA Dale J. Poirier Department of Economics, University of California – Irvine, Irvine, CA, USA Hyungsik Roger Moon Department of Economics, University of Southern California, Los Angeles, CA, USA Matthew Shum Department of Economics, California Institute of Technology, Pasadena, CA, USA Angela Vossmeyer Department of Economics, University of California – Irvine, Irvine, CA, USA Guillaume Weisang Graduate School of Management, Clark University, Worcester, MA, USA Mark A. Wynne Research Department, Federal Reserve Bank of Dallas, Dallas, TX, USA Book Chapters Bayesian Model Comparison Advances in Econometrics Bayesian Model Comparison Copyright Page List of Contributors Preface Adaptive Sequential Posterior Simulators for Massively Parallel Computing Environments Model Switching and Model Averaging in Time-Varying Parameter Regression Models Assessing Bayesian Model Comparison in Small Samples Bayesian Selection of Systemic Risk Networks Parallel Constrained Hamiltonian Monte Carlo for BEKK Model Comparison Factor Selection in Dynamic Hedge Fund Replication Models: A Bayesian Approach Determining the Proper Specification for Endogenous Covariates in Discrete Data Settings Variable Selection in Bayesian Models: Using Parameter Estimation and Non Parameter Estimation Methods Intrinsic Priors for Objective Bayesian Model Selection Demand Estimation with High-Dimensional Product Characteristics Copula Analysis of Correlated Counts
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 | 0,003 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,012 | 0,007 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,731 | 0,743 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».