Replication Data for: Addressing Endogeneity Using a Two-Stage Copula Generated Regressor Approach
Notice bibliographique
Résumé
We provide instructions, codes and datasets for replicating the paper by Yang, Qian and Xie (2024), "Addressing Endogeneity using a Two-stage Copula Generated Regressor Approach." First, we provide a R code to replicate the simulation studies: see simulation_code.R. Second, we provide a R code and a dataset from the public Dominick’s store-level scanner data for empirical illustration: see empirical_illustration_code.R and data_empirical_illustration.csv. [A guide on how to use the code to reproduce each study in the paper] 1. simulation_code.R: This is the R code for replication of simulation results. 2. empirical_illustration_code.R: This is the R code for replication of empirical illustration results in the main manuscript. 3. data_empirical_illustration.csv: This is the Dominick’s toothpaste sales data used for empirical analysis. [A list of the versions of R, packages, and computer specification used in the paper] R version: 4.2.1 (2022-06-23) Processor: MacBook Pro with M1 Pro chip Installed RAM: 32.0 GB To run the program, download all files and save them under the same folder. Then source the R files to run the programs. [Technical Help or Problem Report] We are expecting the R codes to be easy to use and to be working well. Please send any questions or report bugs to Fan Yang (E-mail: fanyang0903@gmail.com).
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 | 0,230 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,255 | 0,136 |
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 ».