Notice bibliographique
Résumé
Citation (2009), "Nonparametric Econometric Methods", Li, Q. and Racine, J.S. (Ed.) Nonparametric Econometric Methods (Advances in Econometrics, Vol. 25), Emerald Group Publishing Limited, Bingley, p. iii. https://doi.org/10.1108/S0731-9053(2009)0000025022 Publisher: Emerald Group Publishing Limited Copyright © 2009, Emerald Group Publishing Limited Book Chapters Advances in econometrics Nonparametric Econometric Methods Copyright page List of contributors Call for Papers Introduction Partial identification of the distribution of treatment effects and its confidence sets Cross-validated bandwidths and significance testing Semiparametric estimation of fixed-effects panel data varying coefficient models Functional coefficient estimation with both categorical and continuous data The evolution of the conditional joint distribution of life expectancy and per capita income growth A nonparametric quantile analysis of growth and governance Nonparametric estimation of production risk and risk preference functions Exponential series estimation of empirical copulas with application to financial returns Nonparametric estimation of multivariate CDF with categorical and continuous data Higher order bias reduction of kernel density and density derivative estimation at boundary points Nonparametric and semiparametric methods in R Some recent developments in nonparametric finance Imposing economic constraints in nonparametric regression: survey, implementation, and extension Functional form of the environmental Kuznets curve Some recent developments on nonparametric econometrics
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 | 0,012 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,017 |
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 ».