Empirical applications of the local likelihood method
Notice bibliographique
Résumé
In the econometrics literature, nonparametric estimation is relatively an emerging field with more research being directed towards developing more versatile and precise estimators. The main focus of my thesis is to implement the Local Maximum Likelihood (LML) to address empirical issues in finance and labour economics. The first chapter of the thesis compares the performance of several nonparametric estimators in dynamic Capital Asset Pricing Model (CAPM) framework. The simulations show that the choice of estimator matters in testing the validity of the CAPM. However, empirically the validity of the CAPM is rejected for all the competing estimators. The second chapter investigates the potential gains from estimating the treatment effect with the propensity score matching by relaxing the functional form assumptions of the parametric binary response models. The LML estimator is adapted to obtain nonparametric estimates of the propensity scores. Exhaustive simulation analysis show that the efficiency of the estimated treatment effect can be increased with nonparametric estimation. Furthermore, the empirical analysis of the experimental data shows that nonparametrically estimated propensity scores are more effective in eliminating selection bias. The final chapter estimates the private rate of return to training in Canada using an internal rate of return approach. The production and the cost functions of the firms are estimated by addressing the issues of endogeneity of inputs including human capital and unobservable firm heterogeneity with the system-GMM estimation. The findings of this chapter show that the formal training has a significant impact on productivity. The estimated rate of return to formal training is large and heterogeneous across the firms.
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 | 0,019 | 0,097 |
| 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 | 0,003 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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.
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 ».